Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Machine Learning for the Quantified Self

Name: Machine Learning for the Quantified Self
Brand: Springer International Publishing AG
SKU: 21376048
Price: 175.12 EUR
Availability: InStock
Author: Mark Hoogendoorn
ISBN: 9783319882154

On the Art of Learning from Sensory Data

Mark Hoogendoorn

Burkhardt Funk

Език

Английски език

Книга С меки корици

Код Либристо: 21376048

Издателство Springer International Publishing AG, август 2018

This book explains the complete loop to effectively use self-tracking data for machine learning. Whi... Цялото описание

Код Либристо: 21376048

423 b

175.12 €

342.50 лв

Външен склад Изпращаме след 5-8 дни

До 30 дни за връщане на стоки

Клиентите са закупили също

Akzeptanz von Windenergie in Deutschland am Beispiel Nauener Platte Ralf Mädler

С меки корици

42.57 € 83.26 лв

Mein Lotta-Leben. Eine Schildkröte geht flöten Daniela Kohl

С твърди корици

7.87 € 15.39 лв

Teatro italiano v Praze 1875-1880 Hana Tillmanová

С меки корици

6.47 € 12.65 лв

Legende Suivie de Azelie, Ou Les Maris Brillans: Pieces Lues A La Societe d'Archeologie CASTILLON DE SAINT-V

С меки корици

13.72 € 26.84 лв

111 sehr gute Gründe, warum du NICHT mit dem Rauchen aufhören solltest: Ein umfassender Ratgeber für Raucher Torben Holm

С меки корици

13.10 € 25.62 лв

Gedichte Johann Wilhelm Ludwig Gleim

С меки корици

16.57 € 32.41 лв

This book explains the complete loop to effectively use self-tracking data for machine learning. While it focuses on self-tracking data, the techniques explained are also applicable to sensory data in general, making it useful for a wider audience. Discussing concepts drawn from from state-of-the-art scientific literature, it illustrates the approaches using a case study of a rich self-tracking data set. Self-tracking has become part of the modern lifestyle, and the amount of data generated by these devices is so overwhelming that it is difficult to obtain useful insights from it. Luckily, in the domain of artificial intelligence there are techniques that can help out: machine-learning approaches allow this type of data to be analyzed. While there are ample books that explain machine-learning techniques, self-tracking data comes with its own difficulties that require dedicated techniques such as learning over time and across users.