ODBIERZ TWÓJ BONUS :: »

    Machine learning, Python i data science. Wprowadzenie

    (ebook) (audiobook) (audiobook)
    Wydawnictwo:
    Helion
    Wydawnictwo:
    Helion
    Ocena:
    2.0/6  Opinie: 1
    Stron:
    320
    Druk:
    oprawa miękka
    Dostępne formaty:
    PDF
    ePub
    Mobi
    Czytaj fragment
    Wyłącznie

    Książka (51,35 zł najniższa cena z 30 dni)

    79,00 zł (-40%)
    47,40 zł

    Dodaj do koszyka Wysyłamy w 24h

    ( 51,35 zł najniższa cena z 30 dni)

    Ebook (39,50 zł najniższa cena z 30 dni)

    79,00 zł (-62%)
    29,90 zł

    Dodaj do koszyka lub Kup na prezent
    Kup 1-kliknięciem

    ( 39,50 zł najniższa cena z 30 dni)

    Przenieś na półkę

    Do przechowalni

    Do przechowalni

    Powiadom o dostępności audiobooka »

    Uczenie maszynowe kojarzy się z dużymi firmami i rozbudowanymi zespołami. Prawda jest taka, że obecnie można samodzielnie budować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych danych. Trzeba tylko mieć pomysł i... trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych.

    Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badaczy i analityków danych oraz inżynierów pracujących nad aplikacjami komercyjnymi. Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zaimplementowanych w dostępnych bibliotekach.

    W książce między innymi:

    • podstawowe informacje o uczeniu maszynowym
    • najważniejsze algorytmy uczenia maszynowego
    • przetwarzanie danych w uczeniu maszynowym
    • ocena modelu i dostrajanie parametrów
    • łańcuchy modeli i hermetyzacja przepływu pracy
    • przetwarzanie danych tekstowych

    Python i uczenie maszynowe: programowanie do zadań specjalnych!

    Wybrane bestsellery

    O autorach ebooka

    Dr Andreas Müller zajmował się uczeniem maszynowym aplikacji rozpoznawania obrazów w Amazonie, później dołączył do Center for Data Science na New York University. Jest jednym z głównych autorów biblioteki scikit-learn i kilku innych pakietów uczenia maszynowego.

    Sarah Guido jest analitykiem danych. Pracowała w kilku w start-upach. Jest ceniona za znakomite wystąpienia na prestiżowych konferencjach.

    Helion - inne książki

    Zamknij

    Wybierz metodę płatności

    Zamknij Pobierz aplikację mobilną Ebookpoint