频道:
分类:
时间:
排序:
这本实用的新书为个人提供了分布式计算基础知识,以比传统区块链更安全、更有效的方式相互连接。这些新形式的安全、可扩展的区块链有望取代中心化机构,在没有用户操纵或数据勒索的风险的情况下连接个人。
本书面向学术界和工业界的数据科学家、机器学习工程师和机器学习从业者。假设对机器学习概念和Python编程的工作知识有基本的了解。以前使用TensorFlow或PyTorch实现ML / DL模型的经验将是有益的。如果你有兴趣使用分布式系统来提高机器学习模型训练和服务速度,你会发现这本书很有用。
这就是为什么我决定写一本书,将分布式系统的核心理论和实践概念结合在一起,这样你就不必花费数小时来连接这些点。本书将引导您了解大规模分布式系统的基础知识,并提供足够的细节和外部参考来深入研究。这是我刚开始时希望存在的指南,基于我构建大型分布式系统的经验,这些系统可扩展到每秒数百万个请求和数十亿个设备。
您对利用计算和机器学习的力量来理解大数据感兴趣吗?如果是这样,亚利桑那州立大学专注于大数据系统的计算机科学硕士可能非常适合。在此学习计划中,您将设计可扩展的系统,用于捕获、处理和解释大型复杂数据集。您还将获得分析专业知识,以从数据中生成见解并为组织提供决策信息。
《机器学习中的统计建模:概念和应用》介绍了统计学、探索性数据分析和机器学习的基本概念和角色。讨论了机器学习的各个方面以及统计学的基础知识。概念通过简单的示例和图形表示呈现,以便更好地理解技术。
本卷书籍为读者提供了紧凑、刺激和多方面的可解释性介绍,这是开发有见地的统计和机器学习方法以及在商业和工业中交流建模结果的关键问题。
数据同化是一种非常重要的数学技术,与地球物理学、数据科学和神经科学等多个领域相关。这本现代书籍提供了对该领域的权威处理,因为它涉及多个科学学科,特别强调了机器学习的最新发展及其在优化数据同化中的作用。
这本书籍汇集了统计学家,育种者和数据科学家目前使用的最新基因组基础预测模型。它提供了一种可访问的方式来理解每个统计学习工具背后的理论、所需的预处理、模型构建的基础知识、如何训练统计学习方法、实现每个统计学习工具所需的基本 R 脚本以及每个工具的输出。
所有社会和政策研究人员都需要将数据综合成可视化表示。制作好的可视化效果结合了创造力和技术。本书教授生成各种可视化的技术和基础知识,使读者能够以创造性和有效的方式交流数据和分析。
《数据可视化:用数据探索和解释》旨在向本科生和研究生介绍数据可视化的最佳实践。这是最早为大学课程设计的数据可视化书籍之一。本书包含有关有效设计、图表类型选择、颜色有效使用、如何直观地探索数据以及如何用数据以令人信服的方式直观地解释概念和结果的材料。