Praktyczne uczenie maszynowe w Javie: Projekty z Google Cloud Platform i Amazon Web Services

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

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

Zawartość książki:

1. Wprowadzenie Konfiguracja IDE - Eclipse Konfiguracja IDE - Android Studio Konfiguracja Java Wydajność uczenia maszynowego w Javie Znaczenie inicjatyw analitycznych Korporacyjne cele uczenia maszynowego Uzasadnienie biznesowe wdrożenia uczenia maszynowego Obawy związane z uczeniem maszynowym Opracowanie metodologii uczenia maszynowego Stan techniki: Monitorowanie prac badawczych.

2. Dane: Paliwo dla uczenia maszynowego Myśl jak analityk danych Wstępne przetwarzanie danych JSON i bazy danych NoSQL Pliki ARFF i CSV Znajdowanie danych publicznych Tworzenie własnych danych Wizualizacja danych za pomocą Java + Javascript Project: DataViz.

3. Wykorzystywanie platform chmurowych Google Cloud Platform Amazon AWS Korzystanie z interfejsów API uczenia maszynowego Projekt: GCP API Wykorzystanie platform chmurowych do tworzenia modeli.

4. Algorytmy: Mózgi uczenia maszynowego Przegląd algorytmów Uczenie nadzorowane Uczenie nienadzorowane Modele liniowe do przewidywania i klasyfikacji Naiwny Bayes do klasyfikacji dokumentów Klasteryzacja Drzewa decyzyjne Wybór właściwego algorytmu Tworzenie przewagi konkurencyjnej.

5. Przegląd środowisk uczenia maszynowego Java Wybór środowiska Java: Weka Workbench Możliwości Weka Dodatki Weka Przegląd Rapidminer Projekt: Klasyfikacja dokumentów za pomocą Weka.

6. Integracja modeli.