Praktické strojové učení v Javě: Projekty s Google Cloud Platform a Amazon Web Services

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 2 hlasů.

Původní název:

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

Obsah knihy:

1. Úvod Nastavení IDE - Eclipse Nastavení IDE - Android Studio Nastavení Javy Výkonnost strojového učení s Javou Význam analytických iniciativ Firemní cíle ML Obchodní důvody pro nasazení ML Obavy z nasazení strojového učení Vývoj metodiky ML Současný stav techniky: Monitorování Výzkumné práce.

2. Data: Předběžné zpracování dat Databáze JSON a NoSQL Soubory ARFF a CSV Vyhledávání veřejných dat Vytváření vlastních dat Vizualizace dat pomocí Javy + Javascriptu Projekt. 2: DataViz.

3. Využití cloudových platforem Google Cloud Platform Amazon AWS Využití rozhraní API pro strojové učení Projekt: GCP API Využití cloudových platforem k vytváření modelů.

4. Algoritmy: Přehled algoritmů Supervised Learning Unsupervised Learning Lineární modely pro predikci a klasifikaci Naive Bayes pro klasifikaci dokumentů Shlukování Rozhodovací stromy Výběr správného algoritmu Vytvoření konkurenční výhody.

5. Přehled prostředí pro strojové učení v Javě Výběr prostředí Java Hluboký ponor: Weka Workbench Schopnosti Weka Doplňky Weka Přehled projektu Rapidminer: Klasifikace dokumentů pomocí nástroje Weka.

6. Integrace modelů.