Прикладне машинне навчання
| dc.contributor.author | Талах, Марія Віталіївна | |
| dc.date.accessioned | 2026-01-06T21:33:39Z | |
| dc.date.available | 2026-01-06T21:33:39Z | |
| dc.date.issued | 2025-12-18 | |
| dc.description | Рекомендовано до друку вченою радою навчально-наукового інституту фізико-технічних та комп'ютерних наук Чернівецького національного університету імені Юрія Федьковича (протокол № 17 від 18 грудня 2025 р.). Рецензенти: Баловсяк С.В., доктор технічних наук, доцент, доцент кафедри комп'ютерних систем та мереж; Виклюк Я.І., доктор технічних наук, професор, професор кафедри систем штучного інтелекту Національного університету «Львівська політехніка». УДК 004.85. Обсяг: 408 с. | uk_UA |
| dc.description.abstract | Навчальний посібник присвячений комплексному вивченню прикладних аспектів машинного навчання, охоплюючи методологію CRISP-ML(Q), запобігання витоку даних, інженерію ознак, роботу з незбалансованими даними, налаштування гіперпараметрів, інтерпретацію моделей та використання сучасних фреймворків для обробки мультимодальних даних (текст, зображення, послідовності, аудіо), а також автоматизоване машинне навчання й інтеграцію з великими мовними моделями. Він систематизує сучасні підходи до розробки надійних ML-систем корпоративного рівня, включаючи забезпечення якості даних, валідацію моделей і підвищення інтерпретованості, та призначений для магістрів спеціальності 122 "Комп'ютерні науки" (освітня програма «Інтелектуальний аналіз даних в комп'ютерних інформаційних системах») і фахівців, які прагнуть поглибити знання в прикладному машинному навчанні. | uk_UA |
| dc.identifier.citation | Талах М.В. Прикладне машинне навчання : навчальний посібник / М.В. Талах. – Чернівці: Технодрук, 2025. – 408 с. | uk_UA |
| dc.identifier.uri | https://archer.chnu.edu.ua/xmlui/handle/123456789/13533 | |
| dc.language.iso | other | uk_UA |
| dc.publisher | Технодрук | uk_UA |
| dc.subject | машинне навчання, прикладне машинне навчання, CRISP-ML(Q), інженерія ознак, інтерпретація моделей, автоматизоване машинне навчання, AutoML, незбалансовані дані, налаштування гіперпараметрів, мультимодальні дані, великі мовні модулі, LLM, обробка природної мови, комп'ютерний зір, валідація моделей, якість даних, витік даних, фреймворки машинного навчання | uk_UA |
| dc.title | Прикладне машинне навчання | uk_UA |
| dc.type | Book | uk_UA |