Конформное прогнозирование в Python

Не просто теория: работа с реальными наборами данных и открытыми библиотеками!

Современные модели машинного обучения часто остаются «чёрными ящиками», чьим прогнозам сложно доверять в ответственных задачах. Конформное прогнозирование — это прорывной подход, который позволяет количественно оценить неопределённость и построить точно откалиброванные прогнозные интервалы. В этой книге вы найдёте глубокое практическое руководство: от основных концепций до применения метода для регрессии, классификации, анализа временных рядов и NLP. Все примеры реализованы на Python с использованием реальных данных. Книга для специалистов по Data Science и ML-инженеров, стремящихся создавать не просто точные, но и надёжные и интерпретируемые модели.

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.