Choice of metadata IPR SMART
Page 1, Results: 1
Report on unfulfilled requests: 0
1.
Подробнее
Ракитский, А. А.
Методы машинного обучения : учебно-методическое пособие / Ракитский А. А. - Новосибирск : Сибирский государственный университет телекоммуникаций и информатики, 2023. - 35 с. - Б. ц.
Книга находится в Премиум-версии IPR SMART.
ББК 32.97
Кл.слова (ненормированные):
линейная регрессия -- логический классификатор -- машинное обучение -- метрический классификатор
Аннотация: Данное учебно-методическое пособие включает в себя необходимые теоретические материалы по 4 лабораторным работам для изучения дисциплины «Методы машинного обучения» для направления подготовки 09.03.01 «Информатика и вычислительная техника» факультета Информатики и вычислительной техники. В пособии рассматриваются наиболее распространённые методы классификации, анализа и восстановления регрессии. Рассматриваются такие методы, как: линейная регрессия, метрические классификаторы и логические классификаторы, а также нейронные сети для задач распознавания объектов на изображениях, предсказание цены на недвижимость и т.д. Приводятся пояснения по применению указанных методов на практике и доказательства их корректности. Кроме того, описаны рекомендации и указания по выполнению лабораторных работ, связанных с данными темами. Методические указания рекомендованы для студентов технических специальностей, изучающих методы машинного обучения на 4 курсе бакалавриата.
Доп.точки доступа:
Дементьева, К. И.
Ракитский, А. А.
Методы машинного обучения : учебно-методическое пособие / Ракитский А. А. - Новосибирск : Сибирский государственный университет телекоммуникаций и информатики, 2023. - 35 с. - Б. ц.
Книга находится в Премиум-версии IPR SMART.
| УДК |
Кл.слова (ненормированные):
линейная регрессия -- логический классификатор -- машинное обучение -- метрический классификатор
Аннотация: Данное учебно-методическое пособие включает в себя необходимые теоретические материалы по 4 лабораторным работам для изучения дисциплины «Методы машинного обучения» для направления подготовки 09.03.01 «Информатика и вычислительная техника» факультета Информатики и вычислительной техники. В пособии рассматриваются наиболее распространённые методы классификации, анализа и восстановления регрессии. Рассматриваются такие методы, как: линейная регрессия, метрические классификаторы и логические классификаторы, а также нейронные сети для задач распознавания объектов на изображениях, предсказание цены на недвижимость и т.д. Приводятся пояснения по применению указанных методов на практике и доказательства их корректности. Кроме того, описаны рекомендации и указания по выполнению лабораторных работ, связанных с данными темами. Методические указания рекомендованы для студентов технических специальностей, изучающих методы машинного обучения на 4 курсе бакалавриата.
Доп.точки доступа:
Дементьева, К. И.
Page 1, Results: 1