В двухтомнике представлены материалы по применению классических методов машинного обучения для различных промышленных задач.
Прочитав второй том, вы научитесь:
составлять план предварительной подготовки данных;
конструировать признаки;
отбирать признаки;
работать с метриками бинарной классификации и регрессии;
выполнять байесовскую оптимизацию гиперпараметров;
создавать контейнеры Docker;
строить модели c помощью платформы H2O.
Первая часть издания - "Предварительная подготовка данных в Python. Том 1. Инструменты и валидация".
