Автор: П. А. Пылов
Математические и программные методы построения моделей глубокого обучения
П. А. Пылов
Показана разработка и аналитика прикладных моделей глубокого обучения, применяемых в высоконагруженных интеллектуальных системах промышленного уровня. Изучение математических архитектур моделей глубокого обучения позволит не только...
Разработка интеллектуальных систем для обработки сигналов с датчиков давления
П. А. Пылов
Показана разработка собственных элементов датчиков давления, которые функционируют в неразрывной связи с программным обеспечением. Даны основы и способы разработки подобных систем, которые можно повторить самостоятельно. Для специалистов в...
Основы работы с моделями машинного и глубокого обучения
П. А. Пылов
Представлены необходимые инструменты для программной и математической разработки моделей прикладного машинного и глубокого обучения. Показаны базовые принципы и аспекты, которыми оперирует область Data Science. Дан ознакомительный экскурс по...
Асимптотический анализ поведения прикладных моделей машинного обучения
П. А. Пылов
Представлена разработка и аналитика прикладных моделей машинного обучения, применяемых в высоконагруженных интеллектуальных системах промышленного уровня. Для студентов, изучающих информационные технологии. Может быть полезно специалистам...
Изучение искусственного интеллекта на основе принципа интенсификации обучения
П. А. Пылов
Показан процесс изучения основ машинного и глубокого обучения в теоретической и прикладной плоскости подготовки. Рассмотрены профильные направления искусственного интеллекта и критерии их значимости. Приведен анализ и аудит содержания подходящих...
Методы восстановления непараметрической регрессии в условиях несбалансированных данных
П. А. Пылов
Рассматривается регрессионный подход к решению предметно-прикладных задач на примере одной области данных. Читатели смогут повторить все операции над собственными датасетами, так как монография содержит в себе детальные расчеты и приложения, в...
