Машинное обучение может ускорить выполнение повседневных бизнес-задач, таких как сверка счетов, прогнозирование спроса или автоматизация обслуживания клиентов, не говоря уже о более сложных задачах, например выявление мошенничества, прогнозное техническое обслуживание и персонализированный маркетинг. Извлекайте важную информацию из электронных таблиц, реестров, баз данных и других источников, используя градиентный бустинг, глубокое обучение и генеративный ИИ.
«Машинное обучение на табличных данных» описывает практические методы машинного обучения для модернизации каждого этапа анализа бизнес-данных. Вас ждут примеры использования XGBoost и Keras для прогнозирования цен на краткосрочную аренду недвижимости, развертывание локальной модели машинного обучения с помощью Python и Flask и оптимизация рабочих процессов с использованием больших языковых моделей (LLM). Научитесь делать свои модели более мощными и интерпретируемыми.
5 причин купить эту книгу:
Конкретные инструменты для ускорения и оптимизации бизнес-процессов.
Полный цикл работы с табличными данными: от сырых данных до бесшовного развертывания через MLOps.
Освоение XGBoost — мощной техники, которая зарекомендовала себя именно в анализе табличных данных.
Интерпретируемые и понятные результаты, которые легко использовать для обоснования бизнес-стратегий
Гибкое развертывание моделей: на локальных системах (Python/Flask) и в облачных инфраструктурах.
