Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models

(ebook) (audiobook) (audiobook)

Autorzy:: Ali Madani, Stephen MacKinnon

Promocja Przejdź

Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models Ali Madani, Stephen MacKinnon - okladka książki

Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models Ali Madani, Stephen MacKinnon - audiobook MP3

Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models Ali Madani, Stephen MacKinnon - audiobook CD

Wydawnictwo:: Packt Publishing (Z chęcią przeczytam książkę w języku polskim)
Ocena:: Bądź pierwszym, który oceni tę książkę
Stron:: 344
Dostępne formaty:: PDF

ePub

Ebook (29,90 zł najniższa cena z 30 dni)

~~139,00 zł~~ (-10%)
125,10 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

(29,90 zł najniższa cena z 30 dni)

Przenieś na półkę

Do przechowalni

Najczęściej kupowane razem

Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models Ali Madani, Stephen MacKinnon

Sztuczna Inteligencja i Uczenie Maszynowe: Kompletny Przewodnik do Budowy Własnych Rozwiązań AI Bartlomiej Witkowski

Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej Matheus Facure

Cena zestawu: 178.30 zł

Oszczędzasz: 51,35 zł (22%)

Dodaj do koszyka

Debugging Machine Learning Models with Python is a comprehensive guide that navigates you through the entire spectrum of mastering machine learning, from foundational concepts to advanced techniques. It goes beyond the basics to arm you with the expertise essential for building reliable, high-performance models for industrial applications. Whether you're a data scientist, analyst, machine learning engineer, or Python developer, this book will empower you to design modular systems for data preparation, accurately train and test models, and seamlessly integrate them into larger technologies.
By bridging the gap between theory and practice, you'll learn how to evaluate model performance, identify and address issues, and harness recent advancements in deep learning and generative modeling using PyTorch and scikit-learn. Your journey to developing high quality models in practice will also encompass causal and human-in-the-loop modeling and machine learning explainability. With hands-on examples and clear explanations, you'll develop the skills to deliver impactful solutions across domains such as healthcare, finance, and e-commerce.

Wybrane bestsellery

O autorze książki

Ali Madani worked as the director of machine learning at Cyclica Inc leading AI technology development front of Cyclica for drug discovery before acquisition of Cyclica by Recursion Pharmaceuticals. Ali completed his PhD at University of Toronto focusing on machine learning modeling in cancer setting and attained a Master of Mathematics from the University of Waterloo. As a believer in industry-oriented education and pro-democratization of knowledge, Ali has actively educated students and professionals through international workshops and courses on basic and advanced high-quality machine learning modeling. When not immersed in machine learning modeling and teaching, Ali enjoys exercising, cooking and traveling with his partner.

Ebooka "Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models" przeczytasz na:

czytnikach Inkbook, Kindle, Pocketbook, Onyx Booxs i innych
systemach Windows, MacOS i innych

systemach Windows, Android, iOS, HarmonyOS
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi

Masz pytania? Zajrzyj do zakładki Pomoc »

Audiobooka "Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models" posłuchasz:

w aplikacji Ebookpoint na Android, iOS, HarmonyOs
na systemach Windows, MacOS i innych

na dowolonych urządzeniach
i aplikacjach obsługujących format MP3
(pliki spakowane w ZIP)

Masz pytania? Zajrzyj do zakładki Pomoc »

Kurs Video "Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models" zobaczysz:

Oceny i opinie klientów: Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models Ali Madani, Stephen MacKinnon (0) Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.

Szczegóły książki

Tytuł oryginału:: Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models
ISBN Ebooka:: 978-18-002-0113-2, 9781800201132
Data wydania ebooka :: 2023-09-15 Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@helion.pl.
Język publikacji:: 1
Rozmiar pliku Pdf:: 12.9MB
Rozmiar pliku ePub:: 8.6MB

Zgłoś erratę
Kategorie:
Bazy danych » Oracle - Programowanie
Uczenie maszynowe

Spis treści książki

1. Beyond Code Debugging
2. Machine Learning Life Cycle
3. Debugging toward Responsible AI
4. Detecting Performance and Efficiency Issues in Machine Learning Models
5. Improving the Performance of Machine Learning Models
6. Interpretability and Explainability in Machine Learning Modeling
7. Decreasing Bias and Achieving Fairness
8. Controlling Risks Using Test-Driven Development
9. Testing and Debugging for Production
10. Versioning and Reproducible Machine Learning Modeling
11. Avoiding and Detecting Data and Concept Drifts
12. Going Beyond ML Debugging with Deep Learning
13. Advanced Deep Learning Techniques
14. Introduction to Recent Advancements in Machine Learning
15. Correlation versus Causality
16. Security and Privacy in Machine Learning
17. Human-in-the-Loop Machine Learning

pokaż cały spis treści

Packt Publishing - inne książki

Zamknij

Proszę czekać...