Uczenie maszynowe (ang. machine learning) zajmuje się teorią i praktycznym zastosowaniem algorytmów analizujących dane — stanowi najciekawszą dziedzinę informatyki. Żyjemy w czasach przetwarzania olbrzymiej ilości informacji; za pomocą samouczących się algorytmów będących częścią uczenia maszynowego informacje te są przekształcane w rzeczywistą wiedzę. Dzięki licznym i potężnym bibliotekom o jawnym kodzie źródłowym, które powstały w ostatnich latach, prawdopodobnie teraz jest najlepszy czas, aby zainteresować się uczeniem maszynowym i nauczyć się wykorzystywać potężne algorytmy do wykrywania wzorców w przetwarzanych danych oraz prognozować przyszłe zdarzenia. Przykładami zastosowania Machine Learning są np. mechanizmy wyszukiwarek internetowych, GPS, autokorekta w edytorze tekstu czy boty w komunikatorach. Jedną z dziedzin uczenia maszynowego jest deep learning, podczas którego komputer uczy się procesów naturalnych dla ludzkiego mózgu (tworzy sieci neuronowe). Technologia ta jest wykorzystywana np. przy identyfikacji głosu i obrazów.
Uczenie maszynowe - ebooki, książki online
Książki, ebooki, kursy video z kategorii: Uczenie maszynowe dostępne w księgarni Ebookpoint
-
Człowiek na rozdrożu. Sztuczna inteligencja 25 punktów widzenia
-
Zaawansowane techniki przetwarzania języka naturalnego. Od podstaw do modeli LLM i zastosowań biznesowych w Pythonie
-
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
-
DAX w Power BI. Kurs video. Od podstaw po analizę biznesową
-
Nowoczesne architektury danych. Przewodnik po hurtowni danych, siatce danych oraz Data Fabric i Data Lakehouse
-
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
-
Matematyka w deep learningu. Co musisz wiedzieć, aby zrozumieć sieci neuronowe
-
Analityka rozszerzona. Automatyzacja i sztuczna inteligencja w podejmowaniu decyzji
-
Matematyka i sztuczna inteligencja. Kluczowe koncepcje zwiększania skuteczności i wydajności systemów
-
Sztuczna inteligencja od podstaw
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
-
Deep learning dla programistów. Budowanie aplikacji AI za pomocą fastai i PyTorch
-
Power Automate. Kurs video. Automatyzacja procesów biznesowych
-
Matematyka w uczeniu maszynowym
-
Data science, wyzwania i rozwiązania. Jak zostać ekspertem analizy danych
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
-
Machine Learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek
-
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
-
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
-
Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
-
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
-
Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych
-
Podręcznik architekta rozwiązań. Poznaj reguły oraz strategie projektu architektury i rozpocznij niezwykłą karierę. Wydanie II
-
Sztuczna inteligencja w finansach. Używaj języka Python do projektowania i wdrażania algorytmów AI
-
Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego
-
Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego
-
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
-
Deep Learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona
-
Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji
-
TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
-
Uczenie maszynowe w Pythonie dla każdego
-
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
-
Deep Learning. Praca z językiem Python i biblioteką Keras
-
Głębokie uczenie. Wprowadzenie
-
Głębokie uczenie przez wzmacnianie. Praca z chatbotami oraz robotyka, optymalizacja dyskretna i automatyzacja sieciowa w praktyce. Wydanie II
-
Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych
-
Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego
-
Potoki danych. Leksykon kieszonkowy. Przenoszenie i przetwarzanie danych na potrzeby ich analizy
-
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
-
Deep Learning
-
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
-
Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP
-
Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa
-
Matematyka dyskretna dla praktyków. Algorytmy i uczenie maszynowe w Pythonie
-
Data Science i uczenie maszynowe
-
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
-
Python. Uczenie maszynowe
-
Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku
-
Jak sztuczna inteligencja zmieni twoje życie
-
Prompt Engineering - zostań Panem Sztucznej Inteligencji
-
Spark. Rozproszone uczenie maszynowe na dużą skalę. Jak korzystać z MLlib, TensorFlow i PyTorch
-
Praktyczne uczenie maszynowe
-
Dylemat sztucznej inteligencji. 7 zasad odpowiedzialnego tworzenia technologii
-
Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i grania
-
Uczenie maszynowe: Scikit-Learn, Keras i TensorFlow. Szczegółowy poradnik
-
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 3rd Edition
-
Generatywne głębokie uczenie, wyd. II. Uczenie maszyn, jak malować, pisać, komponować i grać
-
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
-
Uczenie maszynowe w Pythonie. Receptury
-
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
-
Python. Uczenie maszynowe. Wydanie II
-
Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej
-
Deep learning Głęboka rewolucja. Kiedy sztuczna inteligencja spotyka się z ludzką
-
Wprowadzenie do uczenia maszynowego według Esposito
-
Uczenie maszynowe. Elementy matematyki w analizie danych
-
Deep Learning. Receptury
-
Practical Mathematics for AI and Deep Learning
-
Sztuczna Inteligencja i Uczenie Maszynowe: Kompletny Przewodnik do Budowy Własnych Rozwiązań AI
-
Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV
-
Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe
-
Biblia AI. Sztuczna Inteligencja jako Twój osobisty asystent w każdym aspekcie życia
-
Wzorce projektowe uczenia maszynowego. Rozwiązania typowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps
-
Machine learning, Python i data science. Wprowadzenie
-
Konwolucyjne sieci neuronowe. Kurs video. Tensorflow i Keras w rozpoznawaniu obrazów
-
Uczenie maszynowe w Pythonie. Deep learning i machine learning
-
Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie
-
Praktyczne uczenie maszynowe w języku R
-
Designing Machine Learning Systems
-
Algorytmy uczenia maszynowego. Zaawansowane techniki implementacji
-
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
-
Reinforcement Learning for Finance
-
TensorFlow. 13 praktycznych projektów wykorzystujących uczenie maszynowe
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow
-
Inteligentna sieć. Algorytmy przyszłości. Wydanie II
-
High-Performance Algorithmic Trading Using AI
-
Deep Learning with TensorFlow and Keras. Build and deploy supervised, unsupervised, deep, and reinforcement learning models - Third Edition
-
Praktyczne uczenie nienadzorowane przy użyciu języka Python
-
Deep Learning. Praca z językiem R i biblioteką Keras
-
Machine Learning Interview Guide
-
Generative AI for Financial Services
-
Interpretable Machine Learning with Python. Build explainable, fair, and robust high-performance models with hands-on, real-world examples - Second Edition
-
Hyperautomation with Generative AI
-
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
-
Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego
-
Uczenie maszynowe dla programistów
-
Bayesian Analysis with Python. A practical guide to probabilistic modeling - Third Edition
-
Mastering Azure Synapse Analytics
-
Uczenie głębokie od zera. Podstawy implementacji w Pythonie
-
Machine Learning with PyTorch and Scikit-Learn. Develop machine learning and deep learning models with Python
-
Before Machine Learning Volume 2 - Calculus for A.I. The Fundamental Mathematics for Data Science and Artificial Intelligence
-
Zwinna analiza danych. Apache Hadoop dla każdego
-
Zaawansowane uczenie maszynowe z językiem Python
-
Hands-On Machine Learning with C++. Build, train, and deploy end-to-end machine learning and deep learning pipelines - Second Edition
-
Statistics for Data Scientists and Analysts
-
Python Machine Learning By Example. Unlock machine learning best practices with real-world use cases - Fourth Edition
-
Before Machine Learning Volume 1 - Linear Algebra for A.I. The Fundamental Mathematics for Data Science and Artificial Intelligence
-
Delta Lake: Up and Running
-
Architecting Data and Machine Learning Platforms
-
Machine Learning with LightGBM and Python. A practitioner's guide to developing production-ready machine learning systems
-
Conversational AI with Rasa. Build, test, and deploy AI-powered, enterprise-grade virtual assistants and chatbots
-
Statistics for Machine Learning
-
Hands-On Machine Learning with ML.NET. Getting started with Microsoft ML.NET to implement popular machine learning algorithms in C#
-
Practical Machine Learning with R. Define, build, and evaluate machine learning models for real-world applications
-
Machine Learning with R. Expert techniques for predictive modeling - Third Edition
-
Hands-On Meta Learning with Python. Meta learning using one-shot learning, MAML, Reptile, and Meta-SGD with TensorFlow
-
Deep Learning with PyTorch. A practical approach to building neural network models using PyTorch
-
Aplikacje ChatGPT. Wejdź na wyższy poziom z inteligentnymi programami - generatory, boty i wiele innych!
-
AI bez tajemnic. Sztuczna Inteligencja od podstaw po zaawansowane techniki
-
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
-
Prompt Engineering for LLMs
