Feature engineering made easy : identify unique features from your dataset in order to build powerful machine learning systems

Feature engineering made easy : identify unique features from your dataset in order to build powerful machine learning systems

Enregistré dans:

Détails bibliographiques
Auteur principal:	Ozdemir, Sinan. (Auteur)
Autres auteurs:	Susarla, Divya. (Auteur)
Support:	E-Book
Langue:	Anglais
Publié:	Birmingham : Packt Publishing, 2018.
Sujets:	Apprentissage automatique. Python (langage de programmation). Algorithmes.
Autres localisations:	Voir dans le Sudoc
Accès en ligne:	Accès à l'E-book

Documents similaires

Python en licence : algorithme de base et algorithme scientifique
par: Schüpp, Sophie.
Publié: (2022)

Apprentissage artificiel : concepts et algorithmes : de Bayes et Hume au Deep Learning
par: Barra, Vincent (19..-....; chercheur en informatique de modélisation).
Publié: (2021)

Deep learning with TensorFlow : explore neural networks and build intelligent systems with Python
par: Zaccone, Giancarlo.
Publié: (2018)

Introduction au machine learning
par: Azencott, Chloé-Agathe (19..-....).
Publié: (2022)

Machine learning : expert techniques to tackle complex machine learning problems using Python
par: Thanaki, Jalaj.
Publié: (2018)

Informatique : tronc commun : MP-PC-PSI-PT : nouveaux programmes !
par: Bays, Serge.
Publié: (2022)

Building Machine Learning Systems with Python : master the art of machine learning with Python and build effective machine learning systems with this intensive hands-on guide
par: Richert, Willi.
Publié: (2013)

Python machine learning
par: Lee, Wei-Meng (19..-....).

Les data sciences en 100 questions-réponses
par: Benzaki, Younes.
Publié: (2020)

Informatique : tronc commun : MPSI-PCSI-PTSI
par: Bays, Serge.
Publié: (2021)

Python pour le data scientist : des bases du langage au machine learning
par: Jakobowicz, Emmanuel (1980-....).

Informatique : tronc commun : CPGE scientifiques 1re et 2e années
par: Audibert, Thierry (19..-....).
Publié: (2021)

L'algorithmique pour tous : énigmes, conjectures et simulations d'expériences aléatoires : exercices résolus et programmation avec les logiciels Scilab et Python
par: Ouin, José (19..-....).

Comprendre et mieux connaître les nombres : algorithmes et programmation en Python
par: Moutou, Philippe (1959-....).

Machine Learning Algorithms : Reference guide for popular algorithms for data science and machine learning
par: Bonaccorso, Bonaccorso.
Publié: (2017)

Adversial robustness for machine learning
par: Chen, Pin-Yu (19..-).

Apache Mahout essentials : implement top-notch machine learning algorithms for classification, clustering, and recommendations with Apache Mahout
par: Withanawasam (Jayani).
Publié: (2015)

Machine learning avec Scikit-Learn : mise en oeuvre et cas concrets
par: Géron, Aurélien (19..-....).

Data science par la pratique : fondamentaux avec Python
par: Grus, Joel (19..-....).
Publié: (2020)

Graph Machine Learning : Take graph data to the next level by applying machine learning techniques and algorithms
par: Stamile, Claudio (19..-....; chercheur en informatique).
Publié: (2021)

L'algorithmique : Leçon inaugurale prononcée le jeudi 16 novembre 2017
par: Mathieu, Claire (1965-....; informaticienne).

Machine learning for time series forecasting with Python
par: Lazzeri, Francesca (19..-....).

Developmental robotics : from babies to robots
par: Cangelosi, Angelo (1967-....).

Apprentissage machine, clé de l'intelligence artificielle : une introduction pour non-spécialistes
par: Gilleron, Rémi.

The Promise of Artificial Intelligence : Reckoning and Judgment
par: Smith, Brian Cantwell.
Publié: (2019)

Conception d'algorithmes : principes et 150 exercices corrigés
par: Bosc, Patrick (1950-....).
Publié: (2021)

L'algorithmique et les sciences : [leçon inaugurale prononcée le jeudi 18 octobre 2012]
par: Chazelle, Bernard (1955-....).

Data science : fondamentaux et études de cas : machine learning avec Python et R
par: Biernat, Éric (19..-....).
Publié: (2015)

Deep learning by example : a hands-on guide to implementing advanced machine learning algorithms and neural networks
par: Menshawy, Ahmed.
Publié: (2018)

Python made simple : learn Ptyhon programming in easy steps with examples
par: Beri, Rydhm.

Deep learning avec Keras et TensorFlow : mise en oeuvre et cas concrets
par: Géron, Aurélien (19..-....).

Deep learning with PyTorch : a practical approach to building neural network models using PyTorch
par: Subramanian, Vishnu (19..-....).
Publié: (2018)

R machine learning by example : understand the fundamentals of machine learning with R and build your own dynamic algorithms to tackle complicated real-world problems successfully
par: Bali, Raghav (19..-....).
Publié: (2016)

Exercices et problèmes de cryptographie
par: Vergnaud, Damien (19..-....).

Statistics, Data Mining, and Machine Learning in Astronomy : A Practical Python Guide for the Analysis of Survey Data
par: Ivezic, Zeljko (1965-....).
Publié: (2019)

Deep learning
par: Kelleher, John D. (1974-....).
Publié: (2019)

ITC : informatique en tronc commun : cours et exercices corrigés
par: Butin, Frédéric.
Publié: (2022)

Bases en algorithmique et en programmation : cours et exercices corrigés : L2
par: Lienhardt, Pascal (1958-....).
Publié: (2022)

Exercices et problèmes d'algorithmique : 155 énoncés avec solutions détaillées
par: Baynat, Bruno (19..-....; mathématicien).
Publié: (2012)

Microscope image processing
par: Merchant, Fatima A..

Université catholique de l'Ouest - Bibliothèques - 3 place André Leroy - BP10808 - 49008 ANGERS Cedex 1