Машинное обучение. Портфолио реальных проектов

Эта книга представляет собой практическое руководство по машинному обучению, построенное на разборе реальных проектов. Автор описывает реалистичные сценарии применения ML, такие как сервис прогнозирования цен на автомобили с использованием линейной регрессии и сервис прогнозирования оттока клиентов.

Вы изучите ключевые концепции машинного обучения, включая регрессию, классификацию, деревья решений, ансамблевое обучение, нейронные сети и глубокое обучение. Особое внимание уделяется не только алгоритмам, но и важным практическим аспектам: оценке моделей, выбору метрик и, что особенно ценно, развертыванию приложений.

Книга выходит за рамки теории, показывая, как запускать модели с помощью Kubernetes и Kubeflow, а также развертывать приложения в бессерверных системах. Это делает её отличным ресурсом для тех, кто хочет не только построить модель, но и внедрить её в production-среду.

Издание подходит как для начинающих, так и для практикующих специалистов, желающих расширить свой портфель проектов и углубить понимание полного цикла разработки ML-решений. Четкие объяснения и множество практических примеров помогают закрепить знания и приобрести уверенность в решении реальных бизнес-задач.