
Учебно-методическое пособие посвящено изучению базовых методик машинного обучения для решения задач регрессии, классификации и кластеризации. Основной акцент делается на приобретении навыков решения практических задач различными методами, поэтому пособие содержит большое количество примеров, для решения которых приведены программы в кодах Wolfram Mathematica, Python, IBM ILOC CPLEX. Настоящее пособие может быть интересно и полезно как начинающим, так и опытным специалистам в области машинного обучения и может быть использовано для изучения (преподавания) данного курса. Приобретенные навыки в дальнейшем могут быть применены для решения задач из области исследования операций.
ПРОГРАММНАЯ ИНЖЕНЕРИЯ, МАТЕМАТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ, УЧЕБНЫЕ ПОСОБИЯ, ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ, МАШИННОЕ ОБУЧЕНИЕ, ПРИКЛАДНАЯ ИНФОРМАТИКА, PYTHON
ПРОГРАММНАЯ ИНЖЕНЕРИЯ, МАТЕМАТИЧЕСКОЕ ПРОГРАММИРОВАНИЕ, УЧЕБНЫЕ ПОСОБИЯ, ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ, МАШИННОЕ ОБУЧЕНИЕ, ПРИКЛАДНАЯ ИНФОРМАТИКА, PYTHON
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
