Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ | Machine Learning on Tabular Data: XGBoost, Deep Learning, and AI

Машинное обучение на табличных данных: XGBoost, глубокое обучение и ИИ

Обзор

Машинное обучение может ускорить выполнение повседневных бизнес‑задач, таких как сверка счетов, прогнозирование спроса или автоматизация обслуживания клиентов, а также более сложных задач, например выявление мошенничества, прогнозное техническое обслуживание и персонализированный маркетинг. Книга описывает практические методы машинного обучения для модернизации каждого этапа анализа бизнес‑данных, используя градиентный бустинг, глубокое обучение и генеративный ИИ. В ней приведены примеры использования XGBoost и Keras для прогнозирования цен на краткосрочную аренду недвижимости, развертывания локальной модели машинного обучения с помощью Python и Flask и оптимизации рабочих процессов с помощью больших языковых моделей (LLM). Читатели научатся делать свои модели более мощными и интерпретируемыми.

Кому подойдёт

• Аналитики и дата‑сайентисты, ищущие практические методы машинного обучения для бизнес‑данных
• Разработчики, желающие развернуть модели на Python и Flask
• Профессионалы маркетинга и финансов, стремящиеся применить ИИ к прогнозированию и персонализации

Ключевые особенности

• Автор: Райан Марк, Массарон Лука
• Издательство: Питер
• Год: 2026
• Страниц: 560
• Тип обложки: мягкая обложка
• Штрих код: 9785446143917

Machine Learning on Tabular Data: XGBoost, Deep Learning, and AI

Overview

Machine learning can accelerate everyday business tasks such as invoice matching, demand forecasting, or customer service automation, and also tackle more complex problems like fraud detection, predictive maintenance, and personalized marketing. This book teaches how to extract critical insights from spreadsheets, registries, databases, and other sources using gradient boosting, deep learning, and generative AI. It presents practical methods for modernizing every stage of business data analysis, with hands‑on examples of XGBoost and Keras for short‑term real‑estate price prediction, deploying a local machine‑learning model with Python and Flask, and optimizing workflows with large language models (LLM). Readers learn to build more powerful and interpretable models.

Who it's for

• Data scientists and analysts seeking practical machine‑learning techniques for business data
• Software engineers interested in deploying models with Python and Flask
• Marketing and finance professionals looking to apply AI to forecasting and personalization

Key features

• Author: Ryan Mark, Massaron Luca
• Publisher: Piter
• Year: 2026
• Pages: 560
• Binding: Softcover
• ISBN: 9785446143917