Данная книга предлагает углубленное изучение конформного прогнозирования — новейшего подхода, позволяющего управлять неопределенностью в различных задачах машинного обучения. Вы узнаете, как конформное прогнозирование создает точно откалиброванные прогнозные интервалы для регрессии и решает задачи прогнозирования временных рядов и несбалансированных данных. Практические примеры на Python, а также использование реальных наборов данных, экспертных рекомендаций и открытых библиотек обеспечат вам глубокое понимание этого подхода.
В числе рассматриваемых тем:
основные концепции и принципы конформного прогнозирования;
отличие конформного прогнозирования от традиционных методов машинного обучения;
конформное прогнозирование для несбалансированных наборов данных и многоклассовой классификации;
передовые методы измерения и управления неопределенностью в промышленных задачах;
конформный подход к оценке неопределенности в прогнозировании и NLP.
Издание предназначено специалистам по data science, инженерам по машинному обучению, ученым и всем, кто хочет улучшить свои навыки в области количественной оценки неопределенности в МО.
Для изучения материала понадобятся базовые знаниями в области машинного обучения и программирования на Python.