Доступно

Книги от Machine Learning Mastery [Jason Brownlee]

Тема в разделе "Электронные книги", создана пользователем chpok13, 23 ноя 2018.

Цена: 4240р.
Взнос: 322р.-92%
98%

Основной список: 32 участников

Резервный список: 2 участников

Статус обсуждения:
Комментирование ограничено.
  1. 23 ноя 2018
    #1
    Топикстартер
    Топикстартер ЧКЧлен клуба

    Книги от Machine Learning Mastery [Jason Brownlee]

    Статистика и линейная алгебра - это столпы машинного обучения. Без них невозможно развить глубокое понимание и применение машинного обучения.
    Используя понятные объяснения, стандартные библиотеки Python и пошаговые уроки, вы узнаете о важности статистических методов и линейной алгебры для машинного обучения, итоговой статистики, тестирования гипотез, непараметрической статистики, методов повторной выборки, узнаете об векторных и матричных операциях, матричной факторизации, анализе основных компонентов и многое другое.

    Глубокие методы обучения предлагают многое для временных рядов, таких как автоматическое изучение временной зависимости и автоматическое управление временными структурами, такими как тенденции и сезонность.
    С четкими пояснениями, стандартными библиотеками Python и пошаговыми учебными уроками вы узнаете, как разрабатывать модели глубокого обучения для собственных проектов прогнозирования временных рядов.
    Собираемся на 3 книги:
    1.png 2.png 3.png

    Linear Algebra for Machine Learning (for beginner)

    Foundation
    • Lesson 01: Introduction to Linear Algebra
    • Lesson 02: Linear Algebra and Machine Learning
    • Lesson 03: Examples of Linear Algebra in Machine Learning
    NumPy
    • Lesson 04: Introduction to NumPy Arrays
    • Lesson 05: Index, Slice, and Reshape NumPy Arrays
    • Lesson 06: NumPy Array Broadcasting
    Matrices
    • Lesson 07: Vectors and Vector Arithmetic
    • Lesson 08: Vector Norms
    • Lesson 09: Matrices and Matrix Arithmetic
    • Lesson 10: Types of Matrices
    • Lesson 11: Matrix Operations
    • Lesson 12: Sparse Matrices
    • Lesson 13: Tensors and Tensor Arithmetic
    Factorization
    • Lesson 14: Matrix Decompositions
    • Lesson 15: Eigendecomposition
    • Lesson 16: Singular Value Decomposition
    Statistics
    • Lesson 17: Introduction to Multivariate Statistics
    • Lesson 18: Principal Component Analysis
    • Lesson 19: Linear Regression
    Appendix
    • Appendix A: Getting Help
    • Appendix B: How to Set up a Workstation for Python
    • Appendix C: Linear Algebra Cheat Sheet
    • Appendix D: Basic Math Notation
    ссылка

    Statistical Methods for Machine Learning (for beginner)
    Part I: Statistics
    • Lesson 01: Introduction to Statistics
    • Lesson 02: Statistics vs Machine Learning
    • Lesson 03: Examples of Statistics in Machine Learning
    Part II: Foundation
    • Lesson 04: Gaussian and Summary Stats
    • Lesson 05: Simple Data Visualization
    • Lesson 06: Random Numbers
    • Lesson 07: Law of Large Numbers
    • Lesson 08: Central Limit Theorem
    Part III: Hypothesis Testing
    • Lesson 09: Statistical Hypothesis Testing
    • Lesson 10: Statistical Distributions
    • Lesson 11: Critical Values
    • Lesson 12: Covariance and Correlation
    • Lesson 13: Significance Tests
    • Lesson 14: Effect Size
    • Lesson 15: Statistical Power
    Part IV: Resampling Methods
    • Lesson 16: Introduction to Resampling
    • Lesson 17: Estimation with Bootstrap
    • Lesson 18: Estimation with Cross-Validation
    Part V: Estimation Statistics
    • Lesson 19: Introduction to Estimation Statistics
    • Lesson 20: Tolerance Intervals
    • Lesson 21: Confidence Intervals
    • Lesson 22: Prediction Intervals
    Part VI: Nonparametric Methods
    • Lesson 23: Rank Data
    • Lesson 24: Normality Tests
    • Lesson 25: Make Data Normal
    • Lesson 26: 5-Number Summary
    • Lesson 27: Rank Correlation
    • Lesson 28: Rank Significance Tests
    • Lesson 29: Independence Test
    Appendix
    • Appendix A: Getting Help
    • Appendix B: How to Setup a Workstation for Python
    • Appendix C: Basic Math Notation
    ссылка

    Deep Learning for Time Series Forecasting (for advanced)
    Part 1: Foundations
    • Lesson 01: Promise of Deep Learning for Time Series Forecasting
    • Lesson 02: Taxonomy of Time Series Forecasting Problems
    • Lesson 03: How to Develop a Skillful Forecasting Model
    • Lesson 04: How to Transform Time Series to a Supervised Learning Problem
    • Lesson 05: How to Prepare Time Series Data for CNNs and LSTMs
    Part 2: Deep Learning Modeling
    • Lesson 06: How to Prepare Time Series Data for CNNs and LSTMs
    • Lesson 07: How to Develop MLPs for Time Series Forecasting
    • Lesson 08: How to Develop CNNs for Time Series Forecasting
    • Lesson 09: How to Develop LSTMs for Time Series Forecasting
    Part 3: Univariate Forecasting
    • Lesson 10: Review of Top Methods For Univariate Time Series Forecasting
    • Lesson 11: How to Develop Simple Methods for Univariate Forecasting
    • Lesson 12: How to Develop ETS Models for Univariate Forecasting
    • Lesson 13: How to Develop SARIMA Models for Univariate Forecasting
    • Lesson 14: How to Develop MLPs, CNNs and LSTMs for Univariate Forecasting
    • Lesson 15: How to Grid Search Deep Learning Models for Univariate Forecasting
    Part 4: Multi-step Forecasting
    • Lesson 16: How to Load and Explore Household Energy Usage Data
    • Lesson 17: How to Develop Naive Models for Multi-step Energy Usage Forecasting
    • Lesson 18: How to Develop ARIMA Models for Multi-step Energy Usage Forecasting
    • Lesson 19: How to Develop CNNs for Multi-step Energy Usage Forecasting
    • Lesson 20: How to Develop LSTMs for Multi-step Energy Usage Forecasting
    Part 5: Time Series Classification
    • Lesson 21: Review of Deep Learning Models for Human Activity Recognition
    • Lesson 22: How to Load and Explore Human Activity Data
    • Lesson 23: How to Develop ML Models for Human Activity Recognition
    • Lesson 24: How to Develop CNNs for Human Activity Recognition
    • Lesson 25: How to Develop LSTMs for Human Activity Recognition
    ссылка

    Цена: (27$ + 37$ + 37$) - 40%
     
    3 пользователям это понравилось.
  2. Последние события

    1. skladchik.com
      Складчина доступна.
      6 ноя 2022
    2. skladchik.com
      suprt хранитель.
      6 ноя 2022
    3. skladchik.com
      Складчина закрыта.
      14 май 2019
    4. skladchik.com
      Складчина доступна.
      29 апр 2019

    Последние важные события

    1. skladchik.com
      Складчина доступна.
      6 ноя 2022
    2. skladchik.com
      suprt хранитель.
      6 ноя 2022
    3. skladchik.com
      Складчина закрыта.
      14 май 2019
    4. skladchik.com
      Складчина доступна.
      29 апр 2019
Статус обсуждения:
Комментирование ограничено.

Поделиться этой страницей