Machine Learning Vol 2 (Paperback)
Idioma: inglés
Editorial: Independently Published, 2026
- Tapa blanda
- Nuevo
Librería: CitiRetail, Stevenage, Reino UnidoCitiRetail
Vendedor de IberLibro desde 29 de junio de 2022
Condición: Nuevo
EUR 25,19
Cantidad disponible: 1 disponible
Añadir al carritoDescripción del artículo del vendedor
Paperback. Machine Learning Volume 2: Unsupervised Learning, Ensemble Methods, and Model TuningMachine learning extends far beyond predicting labels. Modern AI systems must uncover hidden patterns, combine multiple models for greater accuracy, and continuously optimize performance for real-world deployment.Machine Learning Volume 2: Unsupervised Learning, Ensemble Methods, and Model Tuning builds on the foundations introduced in Volume 1 and explores the advanced techniques that enable robust, scalable, and high-performing machine learning solutions.Designed for developers, AI engineers, data scientists, students, and technical professionals, this volume bridges the gap between introductory machine learning and production-ready model development through practical explanations, mathematical intuition, and real-world applications.Inside this volume, you'll explore: Unsupervised learning fundamentalsClustering algorithms and applicationsK-Means ClusteringHierarchical ClusteringDBSCANGaussian Mixture Models (GMM)Dimensionality reduction techniquesPrincipal Component Analysis (PCA)t-SNE and UMAP visualizationAssociation Rule MiningAnomaly and outlier detectionFeature selection and extractionEnsemble learning conceptsBagging and Random ForestBoosting algorithmsAdaBoostGradient BoostingXGBoostLightGBMCatBoostStacking and blending techniquesVoting classifiersHyperparameter optimizationGrid SearchRandom SearchBayesian OptimizationAutomated Machine Learning (AutoML)Regularization techniquesPipeline constructionFeature importance analysisModel calibrationPerformance optimization strategiesModel comparison and selectionPractical workflows for improving prediction accuracyThroughout the book, concepts are explained using clear illustrations, comparison tables, workflow diagrams, mathematical intuition, and practical examples that help readers understand not only how algorithms work but also when and why they should be applied.This volume emphasizes the critical engineering decisions involved in selecting algorithms, reducing dimensionality, combining multiple models, and systematically tuning machine learning systems for optimal performance across a wide range of applications.Whether you're improving predictive accuracy, discovering hidden structures in data, preparing for technical interviews, or building production-grade ML solutions, this book provides the tools and methodologies used by modern AI practitioners.Machine Learning Volume 2 is the second book in the AI/ML Reference Series, offering a comprehensive progression from machine learning fundamentals to advanced modeling techniques, deep learning, MLOps, production AI, and intelligent autonomous systems.Unlock deeper insights from your data. Build stronger models. Optimize machine learning with confidence. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…
N° de ref. del artículo 9798187852710
- Título
- Machine Learning Vol 2 (Paperback)
- Autor
- Rashmi Patel
- Editorial
- Independently Published
- Año de publicación
- 2026
- Estado
- new
- Encuadernación
- Paperback
- Idioma
- inglés
- ISBN 13
- 9798187852710
- Serie
- Libro 3 de 22: AI and ML Reference handbooks
Machine learning extends far beyond predicting labels. Modern AI systems must uncover hidden patterns, combine multiple models for greater accuracy, and continuously optimize performance for real-world deployment.
Machine Learning Volume 2: Unsupervised Learning, Ensemble Methods, and Model Tuning builds on the foundations introduced in Volume 1 and explores the advanced techniques that enable robust, scalable, and high-performing machine learning solutions.
Designed for developers, AI engineers, data scientists, students, and technical professionals, this volume bridges the gap between introductory machine learning and production-ready model development through practical explanations, mathematical intuition, and real-world applications.
Inside this volume, you'll explore:
- Unsupervised learning fundamentals
- Clustering algorithms and applications
- K-Means Clustering
- Hierarchical Clustering
- DBSCAN
- Gaussian Mixture Models (GMM)
- Dimensionality reduction techniques
- Principal Component Analysis (PCA)
- t-SNE and UMAP visualization
- Association Rule Mining
- Anomaly and outlier detection
- Feature selection and extraction
- Ensemble learning concepts
- Bagging and Random Forest
- Boosting algorithms
- AdaBoost
- Gradient Boosting
- XGBoost
- LightGBM
- CatBoost
- Stacking and blending techniques
- Voting classifiers
- Hyperparameter optimization
- Grid Search
- Random Search
- Bayesian Optimization
- Automated Machine Learning (AutoML)
- Regularization techniques
- Pipeline construction
- Feature importance analysis
- Model calibration
- Performance optimization strategies
- Model comparison and selection
- Practical workflows for improving prediction accuracy
Throughout the book, concepts are explained using clear illustrations, comparison tables, workflow diagrams, mathematical intuition, and practical examples that help readers understand not only how algorithms work but also when and why they should be applied.
This volume emphasizes the critical engineering decisions involved in selecting algorithms, reducing dimensionality, combining multiple models, and systematically tuning machine learning systems for optimal performance across a wide range of applications.
Whether you're improving predictive accuracy, discovering hidden structures in data, preparing for technical interviews, or building production-grade ML solutions, this book provides the tools and methodologies used by modern AI practitioners.
Machine Learning Volume 2 is the second book in the AI/ML Reference Series, offering a comprehensive progression from machine learning fundamentals to advanced modeling techniques, deep learning, MLOps, production AI, and intelligent autonomous systems.
Unlock deeper insights from your data. Build stronger models. Optimize machine learning with confidence.
“Sinopsis” puede pertenecer a otra edición de este título.
CitiRetail
Stevenage, Reino Unido
Vendedor de IberLibro desde 29 de junio de 2022
Tarifas de envío de Reino Unido a Estados Unidos de America
| Artículo | De 7 a 14 días hábiles | De 7 a 60 días hábiles |
|---|---|---|
| Primer artículo | EUR 44,18 | EUR 44,18 |
Métodos de pago
Descripción de la tienda
Online business
Información empresarial del vendedor
ABC BOOKS LIMITED
10 John Street
London, Reino Unido WC1N 2EB
Condiciones de venta
Orders can be returned within 30 days of receipt.
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a CitiRetail, Stevenage, United Kingdom, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
Please note that titles are dispatched from our US, Canadian or Australian warehouses. Delivery times specified in shipping terms. Orders ship within 2 business days. Delivery to your door then takes 7-14 days.