ODBIERZ TWÓJ BONUS :: »

Python. Uczenie maszynowe. Wydanie II Sebastian Raschka, Vahid Mirjalili

Autorzy:
Sebastian Raschka, Vahid Mirjalili
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
4.6/6  Opinie: 14
Stron:
528
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
99,00 zł
Powiadom mnie, gdy książka będzie dostępna

Ebook
49,50 zł 99,00 zł (-50%)
19,90 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Powiadom o dostępności audiobooka »

Sprawdź nowe wydanie

Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
Sebastian Raschka, Vahid Mirjalili
Uczenie maszynowe jest jedną z najbardziej fascynujących technologii naszych czasów - rozwojem jego najróżniejszych zastosowań zajmują się tacy giganci jak Google, Facebook, Apple, Amazon czy IBM. Uczenie maszynowe otwiera zupełnie nowe możliwości i powoli staje się nieodzowne: wystarczy wymienić asystenty głosowe w smartfonach, chatboty ułatwiające klientom wybór produktu, a także sieci ułatwiające podejmowanie decyzji o inwestycjach giełdowych, filtrujące niechciane wiadom...

Czego się nauczysz?

  • Rodzajów uczenia maszynowego: nadzorowanego, nienadzorowanego i przez wzmacnianie
  • Przygotowywania i wstępnego przetwarzania danych do analizy
  • Implementowania podstawowych algorytmów klasyfikacji, takich jak perceptron i Adaline
  • Wykorzystywania biblioteki scikit-learn do budowy i oceny modeli
  • Stosowania regresji logistycznej, maszyn wektorów nośnych (SVM) i drzew decyzyjnych
  • Redukowania wymiarowości danych za pomocą PCA i LDA
  • Doboru i selekcji najważniejszych cech oraz regularyzacji modeli
  • Oceny skuteczności modeli przy użyciu walidacji krzyżowej i metryk klasyfikacji
  • Łączenia modeli w zespoły (ensemble) i stosowania technik takich jak bagging, boosting i głosowanie
  • Analizy sentymentów i przetwarzania tekstu z wykorzystaniem modelu worka słów i LDA
  • Wdrażania modeli uczenia maszynowego do aplikacji webowych z użyciem Flask
  • Przewidywania wartości ciągłych za pomocą regresji liniowej i nieliniowej
  • Grupowania nieoznakowanych danych z wykorzystaniem metod klasteryzacji, takich jak k-means i DBSCAN
  • Budowania i trenowania wielowarstwowych sieci neuronowych od podstaw
  • Wykorzystywania bibliotek TensorFlow i Keras do projektowania, trenowania i wizualizacji sieci neuronowych
  • Implementowania splotowych (CNN) i rekurencyjnych (RNN, LSTM) sieci neuronowych do analizy obrazów i sekwencji

Uczenie maszynowe jest wyjątkowo fascynującą dziedziną inżynierii. Coraz częściej spotykamy się z praktycznym wykorzystaniem tego rodzaju innowacyjnych technologii. Samouczące algorytmy maszynowe pozwalają na uzyskiwanie wiedzy z ogromnych ilości danych. Dla osoby planującej rozwój kariery osiągnięcie biegłości w rozwiązywaniu problemów uczenia maszynowego jest nadzwyczaj atrakcyjną ścieżką. Użycie do tego celu Pythona pozwala dodatkowo skorzystać z bardzo przystępnego, wszechstronnego i potężnego narzędzia przeznaczonego do analizowania danych naukowych.

Ta książka jest drugim, wzbogaconym i zaktualizowanym wydaniem znakomitego podręcznika do nauki o danych. Wyczerpująco opisano tu teoretyczne podwaliny uczenia maszynowego. Sporo uwagi poświęcono działaniu algorytmów uczenia głębokiego, sposobom ich wykorzystania oraz metodom unikania istotnych błędów. Dodano rozdziały prezentujące zaawansowane informacje o sieciach neuronowych: o sieciach splotowych, służących do rozpoznawania obrazów, oraz o sieciach rekurencyjnych, znakomicie nadających się do pracy z danymi sekwencyjnymi i danymi szeregów czasowych. Poszczególne zagadnienia zostały zilustrowane praktycznymi przykładami kodu napisanego w Pythonie, co ułatwi bezpośrednie zapoznanie się z tematyką uczenia maszynowego.

W tej książce:

  • struktury używane w analizie danych, uczeniu maszynowym i uczeniu głębokim
  • metody uczenia sieci neuronowych
  • implementowanie głębokich sieci neuronowych
  • analiza sentymentów i analiza regresywna
  • przetwarzanie obrazów i danych tekstowych
  • najwartościowsze biblioteki Pythona przydatne w uczeniu maszynowym

Uczenie maszynowe: oto droga do wiedzy ukrytej w oceanie danych!

Wiosna w głowie, ebook w dłoni! / do -50% na tysiące tytułów

Wybrane bestsellery

O autorach książki

Dr Sebastian Raschka jest badaczem i autorem bestsellerowych książek. Pracuje w Lightning AI, gdzie implementuje i szkoli modele LLM. Wcześniej był adiunktem na University of Wisconsin-Madison, zajmował się między innymi badaniami nad uczeniem głębokim. Jest znany z praktycznego podejścia i klarownego wyjaśniania zaawansowanych koncepcji inżynierii.

Dr Vahid Mirjalili zajmuje się stosowaniem uczenia maszynowego w rozpoznawaniu obrazów i zwiększaniu prywatności przy użyciu danych biometrycznych. Projektuje też modele sieci neuronowych, które mają ułatwiać wykrywanie pieszych przez pojazdy autonomiczne.

Sebastian Raschka, Vahid Mirjalili - pozostałe książki

Zobacz pozostałe książki z serii

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka ,,Python. Uczenie maszynowe. Wydanie II" zawiera praktyczne przykłady kodu?
Tak, książka prezentuje liczne praktyczne przykłady kodu w Pythonie, które ilustrują omawiane zagadnienia z uczenia maszynowego i głębokiego.
2. Czy do korzystania z tej książki potrzebna jest znajomość języka Python?
Podstawowa znajomość Pythona jest przydatna, ponieważ książka wykorzystuje ten język do prezentowania przykładów oraz implementacji algorytmów.
3. Jakie zagadnienia z uczenia maszynowego są omawiane w książce?
Książka obejmuje szeroki zakres tematów: od podstaw uczenia maszynowego, przez klasyfikację, regresję, przetwarzanie danych, po zaawansowane sieci neuronowe, uczenie głębokie, analizę obrazów, danych sekwencyjnych oraz wdrażanie modeli.
4. Czy książka jest aktualna pod względem wykorzystywanych narzędzi i bibliotek?
Tak, to drugie, zaktualizowane wydanie, które uwzględnia najnowsze wersje popularnych bibliotek takich jak scikit-learn, TensorFlow czy Keras.
5. Czy znajdę tu informacje o wdrażaniu modeli uczenia maszynowego do aplikacji?
Tak, książka zawiera osobny rozdział poświęcony wdrażaniu modeli do aplikacji sieciowych z wykorzystaniem środowiska Flask.
6. Czy książka omawia zarówno teoretyczne podstawy, jak i praktyczne aspekty uczenia maszynowego?
Tak, publikacja łączy wyjaśnienia teoretyczne z praktycznymi przykładami, co pozwala lepiej zrozumieć i zastosować zdobytą wiedzę.
7. Jakie narzędzia i środowiska pracy są wykorzystywane w książce?
Autorzy korzystają m.in. z Pythona, środowiska Anaconda, menedżera pakietów pip, a także bibliotek takich jak scikit-learn, TensorFlow i Keras.
8. Czy książka może być pomocna przy przygotowaniach do pracy z danymi tekstowymi lub obrazami?
Tak, książka zawiera rozdziały dotyczące analizy sentymentów, przetwarzania tekstu oraz rozpoznawania obrazów z użyciem sieci neuronowych.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Książka
99,00 zł
Czasowo niedostępna
Ebook
49,50 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności dawny BNP Paribas Bank Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności Inteligo Ikona płatności iPKO Ikona płatności Millennium Ikona płatności mTransfer Ikona płatności Nest Bank Ikona płatności Paypal Ikona płatności PayPo | PayU Płacę później Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Citi Handlowy Ikona płatności Płacę z Getin Bank Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile