Gyakorlati Java gépi tanulás: Projektek a Google Cloud Platformmal és az Amazon Web Services-szel

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.

Eredeti címe:

Practical Java Machine Learning: Projects with Google Cloud Platform and Amazon Web Services

Könyv tartalma:

1. Bevezetés IDE beállítása - Eclipse IDE beállítása - Android Studio Java beállítása Gépi tanulás teljesítménye Javával Az analitikai kezdeményezések jelentősége Vállalati ML célok Üzleti indokok az ML bevezetésére Gépi tanulással kapcsolatos aggályok ML-módszertan kidolgozása A technika jelenlegi állása: Monitoring Research Papers.

2. Adatok: A gépi tanulás üzemanyaga Gondolkozz úgy, mint egy adattudós Adatelőfeldolgozás JSON és NoSQL adatbázisok ARFF és CSV fájlok Nyilvános adatok keresése Saját adatok létrehozása Adatvizualizáció Java + Javascript projektekkel: DataViz.

3. Felhőplatformok kihasználása Google Cloud Platform Amazon AWS A gépi tanulási API-k használata Projekt: GCP API Felhőplatformok kihasználása modellek létrehozásához.

4. Algoritmusok: A gépi tanulás agya Az algoritmusok áttekintése Felügyelt tanulás Felügyelet nélküli tanulás Lineáris modellek előrejelzéshez és osztályozáshoz Naive Bayes a dokumentumok osztályozásához Klaszterezés Döntési fák A megfelelő algoritmus kiválasztása A versenyelőny megteremtése.

5. Java gépi tanulási környezetek Áttekintés A Java környezet kiválasztása Mély merülés: A Weka Workbench Weka-képességek Weka-kiegészítők Rapidminer projekt áttekintése: Dokumentumosztályozás a Weka segítségével.

6. Modellek integrálása.