Machine Learning for Imbalanced Data: Tackle imbalanced datasets using machine learning and deep learning techniques

Эта книга посвящена одной из ключевых проблем в машинном обучении — работе с несбалансированными наборами данных. Авторы, опытные специалисты в области ML и компьютерного зрения, предлагают практические решения для ситуаций, когда классы в данных представлены неравномерно, что часто встречается в задачах обнаружения мошенничества, медицинской диагностики и других областях.

В издании подробно рассматриваются как классические методы машинного обучения, так и современные подходы на основе глубокого обучения. Читатели узнают о различных техниках обработки несбалансированных данных, включая ресемплинг, ансамблирование и специализированные архитектуры нейронных сетей.

Книга содержит практические примеры и кейсы из реальных проектов, что делает её ценным ресурсом для ML-инженеров, data scientists и исследователей. Особое внимание уделяется применению методов в таких областях, как компьютерное зрение и обработка естественного языка, где проблема дисбаланса данных особенно актуальна.

Издание подходит как для практикующих специалистов, так и для тех, кто хочет углубить свои знания в области обработки сложных наборов данных. Авторы делятся опытом, полученным при работе в крупных технологических компаниях, что добавляет книге практической ценности.