Donaciones 15 de septiembre 2024 – 1 de octubre 2024 Acerca de la recaudación de fondos

Теоретический минимум Big Data. Всё, что нужно знать о...

Main
Computers - Cybernetics
Теоретический минимум Big Data. Всё,...

Теоретический минимум Big Data. Всё, что нужно знать о больших данных

Анналин Ын, Кеннет Су, перевел с английского А. Тимохин

0 / 0

¿Qué tanto le ha gustado este libro?

¿De qué calidad es el archivo descargado?

Descargue el libro para evaluar su calidad

¿Cuál es la calidad de los archivos descargados?

Categorías:

Computers - Cybernetics

Año:

2019

Editorial:

Питер

Idioma:

russian

Páginas:

205

ISBN 10:

5446110404

ISBN 13:

9785446110407

Serie:

Библиотека программиста

Archivo:

PDF, 10.36 MB

IPFS:

,

russian, 2019

Leer en línea

Conversión a en curso

La conversión a ha fallado

También le puede interesar

Питер Брюс, Эндрю Брюс, Питер Гедек — Практическая статистика для специалистов Data Science

Владстон Феррейра Фило — Теоретический минимум по Computer Science. Все, что нужно программисту и разработчику

Яцков, Николай Николаевич — Введение в биоинформатику

Яцков, Николай Николаевич — Интеллектуальный анализ данных

Яцков, Николай Николаевич — Интеллектуальный анализ данных

Орешков В. И. — Интеллектуальный анализ данных: Учебное пособие

Вэн Райзин Дж. (ред.) — Классификация и кластер

Рябушкин Т.В. (отв.ред.) — Многомерное статистический анализ в социально-экономических исследованиях

Венецкий И.Г. — Опыт применения прикладных методов математики и вычислительной техники в народном хозяйстве

Елисеева И.И., Рукавишников В.О. — Логика прикладного статистического анализа

Айвазян С.А., Бухтштабер В.М., Енюков И.С., Мешалкин Л.Д. — Прикладная статистика: Классификация и снижение размерности

Оливер Теобальд — Машинное обучение для абсолютных новичков

Биккин Х.М. — Компьютерный анализ данных для менеджеров

Букреева Г.Ф. — Количественная оценка элементов палеоклимата методом главных компонент и пошаговым регрессионным анализом по палинологическим данным

— Нейронные сети - учебник к пакету Statistica

Родионова О.Е., Померанцев А.Л. — Хемометрика в аналитической химии

Терехов С.А. — Технологические аспекты обучения нейросетевых машин

Алехин Е.И. — Лекции по многомерному статистическому анализу

Гречков В.Ю. — Информационные технологии в практике маркетинга (с использованием SPSS)

Эсбенсен Ким — Анализ многомерных данных

Макаров Р. И. Хорошева Е. Р. — Модели и методы планирования экспериментов, обработки экспериментальных данных : методические указания к лабораторным работам

Коллектив авторов — Системный анализ и принятие решений

Вагнер Г. — Основы исследования операций

Чубукова Ирина Александровна — Курс лекций по Data Mining

Бэстенс Д-Э., Ван Ден Берг В.-М., Вуд Д. — Нейронные сети и финансовые рынки

Эсбенсен К. — Анализ многомерных данных

Арсеньев — Извлечение знаний из медцнскх БД

Вэн Райзин Дж. (ред.)(Van Ryzin) — Классификация и кластер

Диденко Н.И. — Методы анализа процессов в мировой экономике: Методические указания

Афонин П.Н., Афонин Д.Н. — Статистический анализ с применением современных программных средств

Дмитрий Тюрин — Управление инвестициями в развитие филиалов : рейтинговый подход : монография

Айвазян, Бухштабер, Енюков, Мешалкин. — Прикладная статистика. Классификация и снижение размерности

Монахова Ю.Б., Муштакова С.П. — Хемометрика В спектроскопии

Л. А. Мыльников — Управление проектами и системами в условиях цифровой экономики

Андриевская Н. В. — Статистические и интеллектуальные методы прогнозирования

А. В. Катаев, С. Н. Кутовой — Прикладной статистический анализ в горном деле: многомерная математическая статистика

Анналин Ын, Кеннет Су — Теоретический минимум по Big Data. Всё, что нужно знать о больших данных

Términos más frecuentes

обучения

переменных

ограничения

прогнозирования

элементы

кластеров

компонент

показывает

элементов

кластеры

векторов

результатов

результаты

компоненты

точность

алгоритмов

обучение

ближайших

значения

нейронов

снижения

точности

нейронные

переменные

случайные

эпсилона

алгоритм

алгоритмы

классификации

регрессии