Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 4 olvasói szavazat alapján történt.
Machine Learning Applications Using Python: Cases Studies from Healthcare, Retail, and Finance
1. rész: Egészségügy1. fejezet. A gépi tanulás áttekintése az egészségügyben. 2. fejezet. A legfontosabb technológiai fejlesztések az egészségügyben. fejezet. Hogyan lehet a gépi tanulást az egészségügyben alkalmazni. 4. fejezet. Esettanulmányok arról, hogy a szervezetek hogyan változtatják meg a játékot a piacon. 5. fejezet. Buktatók, amelyeket el kell kerülni a gépi tanulás egészségügyi bevezetése során. 6. fejezet. Egészségügyi specifikus innovatív ötletek a gépi tanulás pénzzé tételére.
2. rész: Kiskereskedelem 7. fejezet. A gépi tanulás áttekintése a kiskereskedelemben. 8. fejezet. A legfontosabb technológiai fejlesztések a kiskereskedelemben. fejezet. Hogyan lehet a gépi tanulást a kiskereskedelemben alkalmazni. 10. fejezet. Esettanulmányok arról, hogy a szervezetek hogyan változtatják meg a játékot a piacon. c. Egy vitaalapú esettanulmány. d. Egy gyakorlati esettanulmány Python-kóddal. 11. fejezet. Buktatók, amelyeket el kell kerülni a gépi tanulás kiskereskedelmi bevezetése során. 12. fejezet. Kiskereskedelmi specifikus innovatív ötletek a gépi tanulás pénzzé tételére.
3. rész: Pénzügyek 13. fejezet. A gépi tanulás áttekintése a pénzügyekben. fejezet. A legfontosabb technológiai fejlesztések a pénzügyekben. 15. fejezet. Hogyan lehet a gépi tanulást a pénzügyekben alkalmazni. fejezet. Esettanulmányok arról, hogy a szervezetek hogyan változtatják meg a játékot a piacon. e. Egy vitaalapú esettanulmány. f. Egy gyakorlati esettanulmány Python-kóddal. 17. fejezet. Buktatók, amelyeket el kell kerülni a gépi tanulás pénzügyekben történő bevezetése során. 18. fejezet. Pénzügyi specifikus innovatív ötletek a gépi tanulás pénzzé tételére.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)