Miles de libros con descuentos a un sólo clic - 50% de dto  Ver más

Enviar a
Montevideo, Montevideo
0

Mi Cuenta

  • argentina
  • chile
  • colombia
  • españa
  • méxico
  • perú
  • estados unidos
  • internacional

menú

Selecciona tu país

América

Europa

Resto del mundo

portada Cracking the Machine Learning Code: Technicality or Innovation? (en Inglés)
Formato
Libro Físico
Autor
Editorial
Idioma
Inglés
N° páginas
127
Encuadernación
Tapa Dura
ISBN13
9789819727193
Categorías

Cracking the Machine Learning Code: Technicality or Innovation? (en Inglés)

Kc Santosh (Autor) · Rodrigue Rizk (Autor) · Siddhi K. Bajracharya (Autor) · Springer · Tapa Dura

Cracking the Machine Learning Code: Technicality or Innovation? (en Inglés) - Santosh, Kc ; Rizk, Rodrigue ; Bajracharya, Siddhi K.

Libro Nuevo Importado
Envío: 19 a 25 días háb.
$ 11.703$ 5.851
-50%
Costos de importación incluídos en el precio ✅
Libro Nuevo

Quedan más de 100 unidades

$ 5.851
Llega entre el 20 Ago y el 31 Ago a Montevideo, Montevideo. Seleccionar ubicación

Elige la lista en la que quieres agregar tu producto o crea una nueva lista

Ir a Mis Listas
Calcula el costo de envío

Reseña del libro "Cracking the Machine Learning Code: Technicality or Innovation? (en Inglés)"

Employing off-the-shelf machine learning models is not an innovation. The journey through technicalities and innovation in the machine learning field is ongoing, and we hope this book serves as a compass, guiding the readers through the evolving landscape of artificial intelligence. It typically includes model selection, parameter tuning and optimization, use of pre-trained models and transfer learning, right use of limited data, model interpretability and explainability, feature engineering and autoML robustness and security, and computational cost - efficiency and scalability. Innovation in building machine learning models involves a continuous cycle of exploration, experimentation, and improvement, with a focus on pushing the boundaries of what is achievable while considering ethical implications and real-world applicability. The book is aimed at providing a clear guidance that one should not be limited to building pre-trained models to solve problems using the off-the-self basic building blocks. With primarily three different data types: numerical, textual, and image data, we offer practical applications such as predictive analysis for finance and housing, text mining from media/news, and abnormality screening for medical imaging informatics. To facilitate comprehension and reproducibility, authors offer GitHub source code encompassing fundamental components and advanced machine learning tools.

Opiniones del libro

Ver más opiniones de clientes
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)

Preguntas frecuentes sobre el libro

¿El libro es original?

Todos los libros de nuestro catálogo son Originales.

¿En qué Idioma está escrito el libro?

El libro está escrito en Inglés.

¿Cuál es la encuadernación de este libro?

La encuadernación de esta edición es Tapa Dura.

Preguntas y respuestas sobre el libro

¿Tienes una pregunta sobre el libro? Inicia sesión para poder agregar tu propia pregunta.

Opiniones sobre Buscalibre

Ver más opiniones de clientes