SciNetwork › SCI Библиотека

Книга: Теория и практика машинного обучения

Скачать

Учебное пособие рассматривает вопросы, связанные с анализом данных: модели, алгоритмы, методы и их реализацию на языке Python. Особое внимание уделено анализу временных рядов. Книга предназначена для студентов группы направлений 09, а также для студентов других групп направлений, изучающих дисциплины, связанные с разработкой приложений в области анализа данных, в том числе TimeSeriesDataMinig и DataMining.

Информация о документе

Формат документа
PDF
Кол-во страниц
291 страница
Загрузил
Баженова Вероника
Лицензия
—
Доступ
Всем

Информация о книге

ISBN
9785979517124
Издательство
УлГТУ
Год публикации
2017
Библиографическая запись

Теория и практика машинного обучения : учебное пособие /В. В. Воронина, А. В. Михеев, Н. Г. Ярушкина, К. В. Святов. –Ульяновск : УлГТУ, 2017. – 290 с.

Список литературы

  1. [Электронный ресурс]: Материалы свободной энциклопедии «Википедиа». URL: http://ru.wikipedia.org/wiki/, (режим доступа - свободный), (дата обращения: 28.03.2017).

  2. [Электронный ресурс]: Материалы открытого курса по машинному обучению от компании ODS. URL: https://habrahabr.ru/company/ods/blog/325654/, (режим доступа - свободный), (дата обращения: 28.03.2017).

  3. Воронина, В. В. Разработка приложений для анализа слабоструктурированных информационных ресурсов: учебное пособие / В. В. Воронина, В. С. Мошкин. - Ульяновск: УлГТУ, 2015. - 162 с. EDN: XQUKCD

  4. [Электронный ресурс]: Материалы сайта machinelearning. URL: http://www.machinelearning.ru/wiki/index.php?title= Переобучение, (режим доступа - свободный), (дата обращения: 28.03.2017).

  5. [Электронный ресурс]: Статья по регуляризации. URL: https://ru.wikipedia.org/wiki/Регуляризация_(математика), (режим доступа - свободный), (дата обращения: 28.03.2017).

  6. [Электронный ресурс]: Материалы сайта MSDN. URL: https://msdn.microsoft.com/ru-ru/magazine/dn904675.aspx, (режим доступа - свободный), (дата обращения: 28.03.2017).

  7. [Электронный ресурс]: Материалы сайта machinelearning. URL:http://www.machinelearning.ru/wiki/index.php?title=Нормальное_р аспределение, (режим доступа - свободный), (дата обращения: 28.03.2017).

  8. Паклин, Н. Б. Глава 9, // Бизнес-аналитика: от данных к знаниям: учебное пособие / Н. Б. Паклин, В. И. Орешков. - 2-е изд. - СПб.: Питер, 2013. - С. 444-459.

  9. [Электронный ресурс]: Ю. Лаходюк, Энтропия и деревья принятия решений. URL: https://habrahabr.ru/post/171759/, (режим доступа - свободный), (дата обращения: 28.03.2017).

  10. [Электронный ресурс]: Статья по деревьям решений. URL: http://ru.wikipedia.org/wiki/Дерево_принятия_решений, (режим доступа - свободный), (дата обращения: 28.03.2017).	 

  11. Клячкин, В. Н. Статистические методы анализа данных / В. Н. Клячкин, Ю. Е. Кувайскова, В. А. Алексеева. - М.: Финансы и статистика, 2016. - 240 с.  EDN: ZFJTWT	

  12. Клячкин, В. Н. Статистические методы в управлении качеством: компьютерные технологии / В. Н. Клячкин. - М.: Финансы и статистика, ИНФРА-М, 2009. - 304 с.  EDN: SYYPZX	

  13. Валеев, С.Г. Регрессионное моделирование при обработке наблюдений / С. Г. Валеев. - М.: Наука, 1991. - 272 с.  EDN: VIVWAH	

  14. [Электронный ресурс]: Материалы свободной энциклопедии «Википедиа»: Статья под названием «Робастные методы». URL: http://ru.wikipedia.org/wiki/Робастность, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  15. Zadeh, A. Lotfi. Fuzzy Sets / Lotfi A. Zadeh // Information and Control. - 1965.	 

  16. Заде, Л. А. Основы нового подхода к анализу сложных систем и процессов принятия решений / Л. А. Заде // Математика сегодня. - М.: Знание, 1974. - С. 5-49.	 

  17. Штовба, С. Д. Проектирование нечетких систем средствами MATLAB / С. Д. Штовба. - М.: Горячая линия - Телеком, 2007. - 288 с.	 

  18. Ярушкина, Н. Г. Основы теории нечетких и гибридных систем: учебное пособие / Н. Г. Ярушкина. - М.: Финансы и статистика, 2004. - 320 с.  EDN: SUMVMB	

  19. Ярушкина, Н. Г. Интеллектуальный анализ временных рядов: учебное пособие / Н. Г. Ярушкина, Т. В Афанасьева., И. Г. Перфильева. - М.: ИД «ФОРУМ»: ИНФРА-М, 2012. - 160 с. - (Высшее образование).  EDN: QJYXED	

  20. Song, Q. Fuzzy time series and its models / Q. Song, B. Chissom // Fuzzy Sets and Systems. - №54 (1993) - Р. 269-277.	 

  21. [Электронный ресурс] Дегтярев, К. Ю. Применение специализированных компьютерных программ и методов, основанных на нечетких временных рядах для краткосрочного прогнозирования USB/RUB котировок / К. Ю. Дегтярев. URL: http://www.exponenta.ru/ educat/news/degtyarev/paper.pdf, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  22. Batyrshin, I. Perception Based Time Series Data Mining for Decision Making / I. Batyrshin // IFSA'07 Fuzzy Logic, Soft Computing and Computational Intelligence.	 

  23. [Электронный ресурс]: Материалы IRAFM-2015. URL: http://irafm.osu.cz/cif2015/main.php?c=Static&page=results, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  24. Новак, В. Математические принципы нечеткой логики / В. Новак, И. Перфильева, И. Мочкорж; пер. с англ.; под ред. А. Н. Аверкина. - М.: ФИЗМАТЛИТ, 2006.  EDN: QJTQKT	

  25. Афанасьева Т. В. Модель ACL-шкалы для генерации лингвистических оценок в принятии решений / Т. В. Афанасьева // Вопросы современной науки и практики. Университет им. В. И. Вернадского. Т. 2. Серия «Технические науки». - 2008. - №4 (14). - С. 91-97.  EDN: TZPKMX	

  26. [Электронный ресурс]: Саймон Хайкин - Нейронные сети. Полный курс. URL: http://neuralnetworksanddeeplearning.com, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  27. [Электронный ресурс]: Материалы сайта machinelearning. URL: http://www.machinelearning.ru/wiki/index.php?title=Модель_Мак- 286 Каллока_Питтса, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  28. [Электронный ресурс]: Статья Логика мышления. Часть 3. Персептрон, сверточные сети. URL: https://geektimes.ru/post/214317/, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  29. [Электронный ресурс]: Материалы сайта machinelearning. URL: http://www.machinelearning.ru/wiki/index.php?title=Самоорганизующаяся_карта_Кохонена, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  30. [Электронный ресурс]: Материалы свободной энциклопедии «Википедиа»: Python. URL: https://ru.wikipedia.org/wiki/Python, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  31. [Электронный ресурс]: Материалы по синтаксису Python. URL: https://habrahabr.ru/post/31180/, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  32. [Электронный ресурс]: Официальный сайт разработчиков Anaconda. URL: https://www.continuum.io/Downloads, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  33. [Электронный ресурс]: Официальный сайт PyCharm. URL: https://www.jetbrains.com/pycharm/download/#section=windows, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  34. [Электронный ресурс]: Официальный сайт SciPy. URL: https://scipy.org/ (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  35. [Электронный ресурс]: Покоряем Python - уроки для начинающих. Функции lambda. URL: https://pythlife.blogspot.ru/ 2012/11/lambda.html (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  36. [Электронный ресурс]: Документация по DataFrame. URL: http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Data 287 Frame.html (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  37. [Электронный ресурс]: Уроки по Pandas. URL: https://bitbucket.org/hrojas/learn-pandas (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  38. [Электронный ресурс]: Документация по Scikit-learn. URL: http://scikit-learn.org/stable/modules/preprocessing.html#preprocessingnormalization (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  39. [Электронный ресурс]: Сервис Kaggle. Массив данных о пассажирах Титаника URL: https://www.kaggle.com/prkukunoor/ TitanicDataset (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  40. [Электронный ресурс]: Документация по Scikit-learn:Ridge. URL: http://scikit-learn.org/stable/modules/generated/sklearn.linear_model. Ridge.html#sklearn.linear_model.Ridge (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  41. [Электронный ресурс]: Ссылка для скачивания упоминаемых в книге файлов с данными. URL: https://drive.google.com/drive/ folders/0B5yyS8oSQ0FDelpKRXg3c3lKVlU (режим доступа - свободный), (дата обращения: 20.07.2017).	 

  42. [Электронный ресурс]: Документация по Scikitlearn:TFIDFVectorizer. URL: http://scikit-learn.org/stable/modules/ generated/sklearn.feature_extraction.text.TfidfVectorizer.html#sklearn.feat ure_extraction.text.TfidfVectorizer (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  43. [Электронный ресурс]: Документация по Scikit-learn: DictVectorizer. URL: http://scikit-learn.org/stable/modules/generated/ sklearn.feature_extraction.DictVectorizer.html (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  44. [Электронный ресурс]: Документация по Scikit-learn: LogisticRegression. URL: http://scikit-learn.org/stable/modules/generated/ sklearn.linear_model.LogisticRegression.html (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  45. [Электронный ресурс]: Документация по Scikit-learn: LinearRegression. URL: http://scikit-learn.org/stable/modules/generated/ sklearn.linear_model.LinearRegression.html (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  46. [Электронный ресурс]: Документация по Scikit-learn:Lasso. URL: http://scikit-learn.org/stable/modules/generated/sklearn.linear_model. Lasso.html (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  47. [Электронный ресурс]: Документация по Scikit-learn: MinMaxScaler. URL: http://scikit-learn.org/stable/modules/generated/ sklearn.preprocessing.MinMaxScaler.html(режим доступа - свободный), (дата обращения: 08.07.2017).	 

  48. [Электронный ресурс]: Функции map и zip и lambda. Python. URL: http://ninjaside.info/blog/ru/funkcii-map-i-zip-i-lambdapython/ (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  49. [Электронный ресурс]: Документация по Scikit-learn: RandomizedLasso. URL: http://scikit-learn.org/stable/modules/generated/ sklearn.linear_model.RandomizedLasso.html (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  50. [Электронный ресурс]: Документация по Scikit-learn:RFE. URL: http://scikit-learn.org/stable/modules/generated/sklearn.feature_ selection.RFE.html(режим доступа - свободный), (дата обращения: 08.07.2017).	 

  51. [Электронный ресурс]: Документация по Scikit-learn: RandomForestRegressor. URL: http://scikit-learn.org/stable/modules/ 289 generated/sklearn.ensemble.RandomForestRegressor.html (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  52. [Электронный ресурс]: Документация по Scikit-learn: f_regression. URL: http://scikit-learn.org/stable/modules/generated/ sklearn.feature_selection.f_regression.html(режим доступа - свободный), (дата обращения: 08.07.2017).	 

  53. [Электронный ресурс]: Документация по Scikit-learn: Pipeline. URL: http://scikit-learn.org/stable/modules/generated/sklearn. pipeline.Pipeline.html(режим доступа - свободный), (дата обращения: 08.07.2017).	 

  54. [Электронный ресурс]: Документация по Scikit-learn: Cross-validation. URL: http://scikit-learn.org/stable/modules/cross_ validation.html#cross-validation(режим доступа - свободный), (дата обращения: 08.07.2017).	 

  55. [Электронный ресурс]: Документация по Scikit-learn: Cross_val_score. URL: http://scikit-learn.org/stable/modules/generated/ sklearn.model_selection.cross_val_score.html, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  56. [Электронный ресурс]: Документация по Scikit-learn: Perceptron. URL: http://scikit-learn.org/stable/modules/generated/sklearn. linear_model.Perceptron.html, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  57. [Электронный ресурс]: Документация по Scikit-learn: MLPClassifier. URL: http://scikit-learn.org/stable/modules/generated/ sklearn.neural_network.MLPClassifier.html, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  58. [Электронный ресурс]: Официальный сайт NVIDIA. Проверка видеокарты. URL: https://developer.nvidia.com/cuda-gpus (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  59. [Электронный ресурс]: Официальный сайт NVIDIA. Скачивание CUDA. URL: https://developer.nvidia.com/cuda-downloads (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  60. [Электронный ресурс]: Официальный сайт NVIDIA. Скачивание CUDANN. URL: https://developer.nvidia.com/rdp/cudnndownload (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  61. [Электронный ресурс]: Документация по билиотеке Keras. URL: https://keras.io/layers/core/, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  62. [Электронный ресурс]: Материалы сайта machinelearningmastery. URL: https://machinelearningmastery.com/timeseries-prediction-lstm-recurrent-neural-networks-python-keras/, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  63. [Электронный ресурс]: Статья по реализации генетического алгоритма на Python. URL: http://easydan.com/ arts/2016/genetic-optimization/, (режим доступа - свободный), (дата обращения: 08.07.2017).	 

  64. Воронина, В. В. Разработка веб-сервисов для анализа слабоструктурированных информационных ресурсов: учебное пособие / В. В. Воронина. - Ульяновск: УлГТУ, 2016. - 166 с.	 

  65. [Электронный ресурс]: Документация «Installing OpenCV from prebuilt binaries». URL: http://docs.opencv.org/ 3.2.0/d5/de5/tutorial_py_setup_in_windows.html, (режим доступа - свободный), (дата обращения: 08.07.2017).
Ключевые фразы
Python, Теория и практика машинного обучения
Каталог SCI
Нанотехнология
ББК
32.973. Программирование
УДК
004.8. Искусственный интеллект
SciNetwork › SCI Библиотека