eBooki
W kategorii eBooki znajdziesz książki w postaci elektronicznej, w formie PDF, ePub oraz mobi. Po zakupie e-booka będzie on dostępny w Bibliotece na koncie użytkownika. Książki przeczytasz na laptopie, tablecie, smartfonie lub czytniku ebooków (Kindle, Pocketbook, inkBOOK, Prestigio i innych). Więcej na temat wykorzystania i zabezpieczenia eBooków znajdziesz na stronie "Przewodnik po eBookach".
Ebooki dostępne w księgarni Ebookpoint
-
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
-
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
-
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
-
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
-
Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV
-
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
-
Dylemat sztucznej inteligencji. 7 zasad odpowiedzialnego tworzenia technologii
-
Sztuczna inteligencja od podstaw
-
Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
-
Deep learning dla programistów. Budowanie aplikacji AI za pomocą fastai i PyTorch
-
Matematyka w uczeniu maszynowym
-
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
-
Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
-
Potoki danych. Leksykon kieszonkowy. Przenoszenie i przetwarzanie danych na potrzeby ich analizy
-
Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
-
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
-
Deep learning z TensorFlow 2 i Keras dla zaawansowanych. Sieci GAN i VAE, deep RL, uczenie nienadzorowane, wykrywanie i segmentacja obiektów i nie tylko. Wydanie II
-
Głębokie uczenie przez wzmacnianie. Praca z chatbotami oraz robotyka, optymalizacja dyskretna i automatyzacja sieciowa w praktyce. Wydanie II
-
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
-
Deep Learning. Praca z językiem Python i biblioteką Keras
-
Jak sztuczna inteligencja zmieni twoje życie
-
Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego
-
Uczenie głębokie od zera. Podstawy implementacji w Pythonie
-
Podręcznik architekta rozwiązań. Poznaj reguły oraz strategie projektu architektury i rozpocznij niezwykłą karierę. Wydanie II
-
Uczenie maszynowe w Pythonie dla każdego
-
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
-
Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i grania
-
Głębokie uczenie. Wprowadzenie
-
Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego
-
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
-
Sztuczna inteligencja w finansach. Używaj języka Python do projektowania i wdrażania algorytmów AI
-
Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe
-
Machine learning, Python i data science. Wprowadzenie
-
TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
-
Uczenie maszynowe. Elementy matematyki w analizie danych
-
AI bez tajemnic. Sztuczna Inteligencja od podstaw po zaawansowane techniki
-
Deep Learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona
-
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
-
Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji
-
Algorytmy uczenia maszynowego. Zaawansowane techniki implementacji
-
Python. Uczenie maszynowe
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
-
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
-
Człowiek na rozdrożu. Sztuczna inteligencja 25 punktów widzenia
-
Deep Learning. Praca z językiem R i biblioteką Keras
-
Projektowanie głosowych interfejsów użytkownika. Zasady doświadczeń konwersacyjnych
-
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
-
Python. Uczenie maszynowe. Wydanie II
-
TensorFlow. 13 praktycznych projektów wykorzystujących uczenie maszynowe
-
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
-
Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa
-
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
-
Zostań Milionerem z ChatGPT. Prosty przewodnik jak osiągnąć sukces w każdej branży za pomocą sztucznej inteligencji
-
Zaufanie do systemów sztucznej inteligencji
-
Machine Learning with PyTorch and Scikit-Learn. Develop machine learning and deep learning models with Python
-
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 3rd Edition
-
Uczenie maszynowe: Scikit-Learn, Keras i TensorFlow. Szczegółowy poradnik
-
Getting Started with Amazon SageMaker Studio. Learn to build end-to-end machine learning projects in the SageMaker machine learning IDE
-
Python: Deeper Insights into Machine Learning. Deeper Insights into Machine Learning
-
Python Machine Learning. Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow - Second Edition
-
Deep Learning
-
Machine Learning with R. Expert techniques for predictive modeling - Third Edition
-
Machine Learning in Biotechnology and Life Sciences. Build machine learning models using Python and deploy them on the cloud
-
Learn Amazon SageMaker. A guide to building, training, and deploying machine learning models for developers and data scientists - Second Edition
-
Conversational AI with Rasa. Build, test, and deploy AI-powered, enterprise-grade virtual assistants and chatbots
-
Ensemble Machine Learning Cookbook. Over 35 practical recipes to explore ensemble machine learning techniques using Python
-
Machine Learning with the Elastic Stack. Expert techniques to integrate machine learning with distributed search and analytics
-
Mastering Machine Learning with R. Advanced machine learning techniques for building smart applications with R 3.5 - Third Edition
-
Generative Adversarial Networks Projects. Build next-generation generative models using TensorFlow and Keras
-
Machine Learning Quick Reference. Quick and essential machine learning hacks for training smart data models
-
Python Machine Learning Blueprints. Put your machine learning concepts to the test by developing real-world smart projects - Second Edition
-
Intelligent Projects Using Python. 9 real-world AI projects leveraging machine learning and deep learning with TensorFlow and Keras
-
R Machine Learning Projects. Implement supervised, unsupervised, and reinforcement learning techniques using R 3.5
-
Python Deep Learning. Exploring deep learning techniques and neural network architectures with PyTorch, Keras, and TensorFlow - Second Edition
-
Hands-On Java Deep Learning for Computer Vision. Implement machine learning and neural network methodologies to perform computer vision-related tasks
-
Neural Network Projects with Python. The ultimate guide to using Python to explore the true power of neural networks through six projects
-
Python Machine Learning By Example. Implement machine learning algorithms and techniques to build intelligent systems - Second Edition
-
Neural Networks with Keras Cookbook. Over 70 recipes leveraging deep learning techniques across image, text, audio, and game bots
-
Hands-On Unsupervised Learning with Python. Implement machine learning and deep learning models using Scikit-Learn, TensorFlow, and more
-
Applied Unsupervised Learning with R. Uncover hidden relationships and patterns with k-means clustering, hierarchical clustering, and PCA
-
Deep Learning with Microsoft Cognitive Toolkit Quick Start Guide. A practical guide to building neural networks using Microsoft's open source deep learning framework
-
Building Computer Vision Projects with OpenCV 4 and C++. Implement complex computer vision algorithms and explore deep learning and face detection
-
Hands-On Machine Learning with IBM Watson. Leverage IBM Watson to implement machine learning techniques and algorithms using Python
-
TensorFlow Reinforcement Learning Quick Start Guide. Get up and running with training and deploying intelligent, self-learning agents using Python
-
TensorFlow 2.0 Quick Start Guide. Get up to speed with the newly introduced features of TensorFlow 2.0
-
Hands-On Neural Networks with Keras. Design and create neural networks using deep learning and artificial intelligence principles
-
Python Machine Learning Cookbook. Over 100 recipes to progress from smart data analytics to deep learning using real-world datasets - Second Edition
-
Mastering OpenCV 4 with Python. A practical guide covering topics from image processing, augmented reality to deep learning with OpenCV 4 and Python 3.7
-
Machine Learning with R Quick Start Guide. A beginner's guide to implementing machine learning techniques from scratch using R 3.5
-
Computer Vision with OpenCV 3 and Qt5. Build visually appealing, multithreaded, cross-platform computer vision applications
-
OpenCV 3.x with Python By Example. Make the most of OpenCV and Python to build applications for object recognition and augmented reality - Second Edition
-
Mastering TensorFlow 1.x. Advanced machine learning and deep learning concepts using TensorFlow 1.x and Keras
-
Deep Learning for Computer Vision. Expert techniques to train advanced neural networks using TensorFlow and Keras
-
Deep Learning Essentials. Your hands-on guide to the fundamentals of deep learning and neural network modeling
-
Scala Machine Learning Projects. Build real-world machine learning and deep learning projects with Scala
-
Apache Spark Deep Learning Cookbook. Over 80 best practice recipes for the distributed training and deployment of neural networks using Keras and TensorFlow
-
Artificial Intelligence By Example. Develop machine intelligence from scratch using real artificial intelligence use cases
-
Artificial Intelligence for Big Data. Complete guide to automating Big Data solutions using Artificial Intelligence techniques
-
Beginning Swift. Master the fundamentals of programming in Swift 4
-
Google Cloud AI Services Quick Start Guide. Build intelligent applications with Google Cloud AI services
-
Hands-On Computer Vision with Julia. Build complex applications with advanced Julia packages for image processing, neural networks, and Artificial Intelligence
-
Hands-On Data Science with Anaconda. Utilize the right mix of tools to create high-performance data science applications
-
Hands-On Deep Learning for Images with TensorFlow. Build intelligent computer vision applications using TensorFlow and Keras
-
Hands-On Ensemble Learning with R. A beginner's guide to combining the power of machine learning algorithms using ensemble techniques
-
Hands-On Intelligent Agents with OpenAI Gym. Your guide to developing AI agents using deep reinforcement learning
-
Hands-on Machine Learning with JavaScript. Solve complex computational web problems using machine learning
-
Hands-On Natural Language Processing with Python. A practical guide to applying deep learning architectures to your NLP applications
-
Hands-On Reinforcement Learning with Python. Master reinforcement and deep reinforcement learning using OpenAI Gym and TensorFlow
-
Java Deep Learning Projects. Implement 10 real-world deep learning applications using Deeplearning4j and open source APIs
-
Machine Learning with Core ML. An iOS developer's guide to implementing machine learning in mobile apps
-
Mastering Machine Learning Algorithms. Expert techniques to implement popular machine learning algorithms and fine-tune your models
-
Mastering Machine Learning for Penetration Testing. Develop an extensive skill set to break self-learning systems using Python
-
Natural Language Processing and Computational Linguistics. A practical guide to text analysis with Python, Gensim, spaCy, and Keras
-
Natural Language Processing with TensorFlow. Teach language to machines using Python's deep learning library
-
Python Artificial Intelligence Projects for Beginners. Get up and running with Artificial Intelligence using 8 smart and exciting AI applications
-
Deep Learning Quick Reference. Useful hacks for training and optimizing deep neural networks with TensorFlow and Keras
-
Hands-On Automated Machine Learning. A beginner's guide to building automated machine learning systems using AutoML and Python
-
Hands-On GUI Programming with C++ and Qt5. Build stunning cross-platform applications and widgets with the most powerful GUI framework