Practical Machine Learning for Computer Vision
![Język publikacji: angielski Język publikacji: angielski](https://static01.helion.com.pl/global/flagi/1.png)
![Practical Machine Learning for Computer Vision Valliappa Lakshmanan, Martin Görner, Ryan Gillard - okładka ebooka](https://static01.helion.com.pl/global/okladki/326x466/e_23r6.png)
![Practical Machine Learning for Computer Vision Valliappa Lakshmanan, Martin Görner, Ryan Gillard - tył okładki ebooka](https://static01.helion.com.pl/global/okladki-tyl/326x466/e_23r6.png)
- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 482
- Dostępne formaty:
-
ePubMobi
Opis ebooka: Practical Machine Learning for Computer Vision
This practical book shows you how to employ machine learning models to extract information from images. ML engineers and data scientists will learn how to solve a variety of image problems including classification, object detection, autoencoders, image generation, counting, and captioning with proven ML techniques. This book provides a great introduction to end-to-end deep learning: dataset creation, data preprocessing, model design, model training, evaluation, deployment, and interpretability.
Google engineers Valliappa Lakshmanan, Martin Görner, and Ryan Gillard show you how to develop accurate and explainable computer vision ML models and put them into large-scale production using robust ML architecture in a flexible and maintainable way. You'll learn how to design, train, evaluate, and predict with models written in TensorFlow or Keras.
You'll learn how to:
- Design ML architecture for computer vision tasks
- Select a model (such as ResNet, SqueezeNet, or EfficientNet) appropriate to your task
- Create an end-to-end ML pipeline to train, evaluate, deploy, and explain your model
- Preprocess images for data augmentation and to support learnability
- Incorporate explainability and responsible AI best practices
- Deploy image models as web services or on edge devices
- Monitor and manage ML models
Wybrane bestsellery
-
To czwarte, zaktualizowane wydanie znakomitego przewodnika poświęconego zastosowaniu uczenia maszynowego do rozwiązywania rzeczywistych problemów w analizie danych. Dzięki książce dowiesz się wszystkiego, co trzeba wiedzieć o wstępnym przetwarzaniu danych, znajdowaniu kluczowych spostrzeżeń, prog...
Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV
(83.40 zł najniższa cena z 30 dni)97.30 zł
139.00 zł(-30%) -
Dzięki tej książce łatwo przyswoisz teoretyczne podstawy i zaczniesz je płynnie wdrażać w rzeczywistych scenariuszach. Dowiesz się, w jaki sposób myślenie przyczynowe ułatwia rozwiązywanie problemów, i poznasz pojęcia Pearla, takie jak strukturalny model przyczynowy, interwencje, kontrfakty itp. ...
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
(65.40 zł najniższa cena z 30 dni)76.30 zł
109.00 zł(-30%) -
Oto zaktualizowane wydanie popularnego przewodnika, dzięki któremu skorzystasz z ponad dwustu sprawdzonych receptur bazujących na najnowszych wydaniach bibliotek Pythona. Wystarczy, że skopiujesz i dostosujesz kod do swoich potrzeb. Możesz też go uruchamiać i testować za pomocą przykładowego zbio...
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
(53.40 zł najniższa cena z 30 dni)62.30 zł
89.00 zł(-30%) -
Oto praktyczny przewodnik po nauce o danych w miejscu pracy. Dowiesz się stąd wszystkiego, co ważne na początku Twojej drogi jako danologa: od osobowości, z którymi przyjdzie Ci pracować, przez detale analizy danych, po matematykę stojącą za algorytmami i uczeniem maszynowym. Nauczysz się myśleć ...
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
(41.40 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie p...
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
(107.40 zł najniższa cena z 30 dni)125.30 zł
179.00 zł(-30%) -
Książka stanowi kompendium wiedzy na temat tej niesłychanie szybko rozwijającej się i dynamicznie wkraczającej w nasze życie dziedziny. Została napisana tak, aby była przystępna dla osób posiadających podstawowe umiejętności matematyczne. Może stanowić podręcznik dla studentów takich kierunków ja...(29.40 zł najniższa cena z 30 dni)
34.30 zł
49.00 zł(-30%) -
To książka przeznaczona dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w szybko rozwijających się startupach, a także przedstawiono holistyczne podejście do ich projektowania ― z...
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
(53.40 zł najniższa cena z 30 dni)62.30 zł
89.00 zł(-30%) -
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technolo...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
(101.40 zł najniższa cena z 30 dni)118.30 zł
169.00 zł(-30%)
Valliappa Lakshmanan, Martin Görner, Ryan Gillard - pozostałe książki
-
All cloud architects need to know how to build data platforms that enable businesses to make data-driven decisions and deliver enterprise-wide intelligence in a fast and efficient way. This handbook shows you how to design, build, and modernize cloud native data and machine learning platforms us...(203.15 zł najniższa cena z 30 dni)
208.45 zł
249.00 zł(-16%) -
Rozwiązania typowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps Wzorce projektowe opisane w tej książce obejmują najlepsze praktyki i rozwiązania powtarzalnych problemów w uczeniu maszynowym. Autorzy, troje inżynierów z firmy Google, skatalogo...
Wzorce projektowe uczenia maszynowego. Rozwiązania typowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps Wzorce projektowe uczenia maszynowego. Rozwiązania typowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps
(80.99 zł najniższa cena z 30 dni)80.99 zł
89.99 zł(-10%) -
The design patterns in this book capture best practices and solutions to recurring problems in machine learning. The authors, three Google engineers, catalog proven methods to help data scientists tackle common problems throughout the ML process. These design patterns codify the experience of hun...(181.45 zł najniższa cena z 30 dni)
181.40 zł
219.00 zł(-17%) -
Work with petabyte-scale datasets while building a collaborative, agile workplace in the process. This practical book is the canonical reference to Google BigQuery, the query engine that lets you conduct interactive analysis of large datasets. BigQuery enables enterprises to efficiently store, qu...
Google BigQuery: The Definitive Guide. Data Warehousing, Analytics, and Machine Learning at Scale Google BigQuery: The Definitive Guide. Data Warehousing, Analytics, and Machine Learning at Scale
(182.33 zł najniższa cena z 30 dni)182.13 zł
219.00 zł(-17%) -
Learn how easy it is to apply sophisticated statistical and machine learning methods to real-world problems when you build using Google Cloud Platform (GCP). This hands-on guide shows data engineers and data scientists how to implement an end-to-end data pipeline with cloud native tools on GCP.Th...
Data Science on the Google Cloud Platform. 2nd Edition Data Science on the Google Cloud Platform. 2nd Edition
(211.65 zł najniższa cena z 30 dni)216.75 zł
259.00 zł(-16%) -
As you move data to the cloud, you need to consider a comprehensive approach to data governance, along with well-defined and agreed-upon policies to ensure your organization meets compliance requirements. Data governance incorporates the ways people, processes, and technology work together to ens...(211.65 zł najniższa cena z 30 dni)
216.58 zł
259.00 zł(-16%)
Ebooka "Practical Machine Learning for Computer Vision" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Practical Machine Learning for Computer Vision" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Practical Machine Learning for Computer Vision" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- ISBN Ebooka:
- 978-10-981-0232-6, 9781098102326
- Data wydania ebooka:
-
2021-07-21
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 53.7MB
- Rozmiar pliku Mobi:
- 116.0MB
Spis treści ebooka
- Preface
- Who Is This Book For?
- How to Use This Book
- Organization of the Book
- Conventions Used in This Book
- Using Code Examples
- OReilly Online Learning
- How to Contact Us
- Acknowledgments
- 1. Machine Learning for Computer Vision
- Machine Learning
- Deep Learning Use Cases
- Summary
- 2. ML Models for Vision
- A Dataset for Machine Perception
- 5-Flowers Dataset
- Reading Image Data
- Visualizing Image Data
- Reading the Dataset File
- A Dataset for Machine Perception
- A Linear Model Using Keras
- Keras Model
- Prediction function
- Activation function
- Optimizer
- Training loss
- Error metrics
- Keras Model
- Training the Model
- Creating the datasets
- Creating and viewing the model
- Fitting the model
- Plotting predictions
- A Neural Network Using Keras
- Neural Networks
- Hidden layers
- Training the neural network
- Learning rate
- Regularization
- Early stopping
- Hyperparameter tuning
- Neural Networks
- Deep Neural Networks
- Building a DNN
- Dropout
- Batch normalization
- Summary
- Glossary
- 3. Image Vision
- Pretrained Embeddings
- Pretrained Model
- Transfer Learning
- Fine-Tuning
- Learning rate schedule
- Differential learning rate
- Pretrained Embeddings
- Convolutional Networks
- Convolutional Filters
- Stacking Convolutional Layers
- Pooling Layers
- AlexNet
- The Quest for Depth
- Filter Factorization
- 1x1 Convolutions
- VGG19
- Global Average Pooling
- Modular Architectures
- Inception
- SqueezeNet
- ResNet and Skip Connections
- DenseNet
- Depth-Separable Convolutions
- Xception
- Neural Architecture Search Designs
- NASNet
- The MobileNet Family
- Depthwise convolutions
- Inverted residual bottlenecks
- MobileNetV2
- EfficientNet: Putting it all together
- Beyond Convolution: The Transformer Architecture
- Choosing a Model
- Performance Comparison
- Ensembling
- Recommended Strategy
- Summary
- 4. Object Detection and Image Segmentation
- Object Detection
- YOLO
- YOLO grid
- Object detection head
- Loss function
- YOLO limitations
- YOLO
- RetinaNet
- Feature pyramid networks
- Anchor boxes
- Architecture
- Focal loss (for classification)
- Smooth L1 loss (for box regression)
- Non-maximum suppression
- Other considerations
- Object Detection
- Segmentation
- Mask R-CNN and Instance Segmentation
- Region proposal networks
- R-CNN
- ROI resampling (ROI alignment)
- Class and bounding box predictions
- Transposed convolutions
- Instance segmentation
- Mask R-CNN and Instance Segmentation
- U-Net and Semantic Segmentation
- Images and labels
- Architecture
- Training
- Summary
- 5. Creating Vision Datasets
- Collecting Images
- Photographs
- Imaging
- Polar grids
- Satellite channels
- Geospatial layers
- Proof of Concept
- Collecting Images
- Data Types
- Channels
- Scaling
- Channel order
- Grayscale
- Channels
- Geospatial Data
- Raster data
- Remote sensing
- Audio and Video
- Spectrogram
- Frame by frame
- Conv3D
- Manual Labeling
- Multilabel
- Object Detection
- Labeling at Scale
- Labeling User Interface
- Multiple Tasks
- Voting and Crowdsourcing
- Labeling Services
- Automated Labeling
- Labels from Related Data
- Noisy Student
- Self-Supervised Learning
- Bias
- Sources of Bias
- Selection Bias
- Measurement Bias
- Confirmation Bias
- Detecting Bias
- Creating a Dataset
- Splitting Data
- TensorFlow Records
- Running at scale
- TensorFlow Recorder
- Reading TensorFlow Records
- Summary
- 6. Preprocessing
- Reasons for Preprocessing
- Shape Transformation
- Data Quality Transformation
- Improving Model Quality
- Reasons for Preprocessing
- Size and Resolution
- Using Keras Preprocessing Layers
- Using the TensorFlow Image Module
- Mixing Keras and TensorFlow
- Model Training
- Training-Serving Skew
- Reusing Functions
- Preprocessing Within the Model
- Using tf.transform
- Writing the Beam pipeline
- Transforming the data
- Saving the transform
- Reading the preprocessed data
- Transformation during serving
- Benefits of tf.transform
- Data Augmentation
- Spatial Transformations
- Color Distortion
- Information Dropping
- Forming Input Images
- Summary
- 7. Training Pipeline
- Efficient Ingestion
- Storing Data Efficiently
- TensorFlow Records
- Storing preprocessed data
- Storing Data Efficiently
- Reading Data in Parallel
- Parallelizing
- Measuring performance
- Efficient Ingestion
- Maximizing GPU Utilization
- Efficient data handling
- Vectorization
- Staying in the graph
- Iteration
- Slicing and conditionals
- Matrix math
- Batching
- Saving Model State
- Exporting the Model
- Invoking the model
- Usable signature
- Using the signature
- Exporting the Model
- Checkpointing
- Distribution Strategy
- Choosing a Strategy
- Creating the Strategy
- MirroredStrategy
- MultiWorkerMirroredStrategy
- Shuffling
- Virtual epochs
- TPUStrategy
- Serverless ML
- Creating a Python Package
- Reusable modules
- Invoking Python modules
- Installing dependencies
- Creating a Python Package
- Submitting a Training Job
- Running on multiple GPUs
- Distribution to multiple GPUs
- Distribution to TPU
- Hyperparameter Tuning
- Specifying the search space
- Using parameter values
- Reporting accuracy
- Result
- Continuing tuning
- Deploying the Model
- Summary
- 8. Model Quality and Continuous Evaluation
- Monitoring
- TensorBoard
- Weight Histograms
- Device Placement
- Data Visualization
- Training Events
- Monitoring
- Model Quality Metrics
- Metrics for Classification
- Binary classification
- Multiclass, single-label classification
- Multiclass, multilabel classification
- Metrics for Classification
- Metrics for Regression
- Metrics for Object Detection
- Quality Evaluation
- Sliced Evaluations
- Fairness Monitoring
- Continuous Evaluation
- Summary
- 9. Model Predictions
- Making Predictions
- Exporting the Model
- Using In-Memory Models
- Improving Abstraction
- Improving Efficiency
- Making Predictions
- Online Prediction
- TensorFlow Serving
- Deploying the model
- Making predictions
- TensorFlow Serving
- Modifying the Serving Function
- Changing the default signature
- Multiple signatures
- Handling Image Bytes
- Loading the model
- Adding a prediction signature
- Exporting signatures
- Base64 encoding
- Batch and Stream Prediction
- The Apache Beam Pipeline
- Managed Service for Batch Prediction
- Invoking Online Prediction
- Edge ML
- Constraints and Optimizations
- TensorFlow Lite
- Running TensorFlow Lite
- Processing the Image Buffer
- Federated Learning
- Summary
- 10. Trends in Production ML
- Machine Learning Pipelines
- The Need for Pipelines
- Kubeflow Pipelines Cluster
- Containerizing the Codebase
- Writing a Component
- Connecting Components
- Automating a Run
- Machine Learning Pipelines
- Explainability
- Techniques
- LIME
- KernelSHAP
- Integrated Gradients
- xRAI
- Techniques
- Adding Explainability
- Explainability signatures
- Explanation metadata
- Deploying the model
- Obtaining explanations
- No-Code Computer Vision
- Why Use No-Code?
- Loading Data
- Training
- Evaluation
- Summary
- 11. Advanced Vision Problems
- Object Measurement
- Reference Object
- Segmentation
- Rotation Correction
- Ratio and Measurements
- Object Measurement
- Counting
- Density Estimation
- Extracting Patches
- Simulating Input Images
- Regression
- Prediction
- Pose Estimation
- PersonLab
- The PoseNet Model
- Identifying Multiple Poses
- Image Search
- Distributed Search
- Fast Search
- Better Embeddings
- Summary
- 12. Image and Text Generation
- Image Understanding
- Embeddings
- Auxiliary Learning Tasks
- Autoencoders
- Architecture
- Training
- Latent vectors
- Variational Autoencoders
- Architecture
- Loss
- Image Understanding
- Image Generation
- Generative Adversarial Networks
- Creating the networks
- Discriminator training
- Generator training
- Distribution changes
- Generative Adversarial Networks
- GAN Improvements
- Conditional GANs
- The cGAN generator
- The cGAN discriminator
- Conditional GANs
- Image-to-Image Translation
- Super-Resolution
- Modifying Pictures (Inpainting)
- Anomaly Detection
- Deepfakes
- Image Captioning
- Dataset
- Tokenizing the Captions
- Batching
- Captioning Model
- Image encoder
- Attention mechanism
- Caption decoder
- Training Loop
- Prediction
- Summary
- Afterword
- Index
O'Reilly Media - inne książki
-
Keeping up with the Python ecosystem can be daunting. Its developer tooling doesn't provide the out-of-the-box experience native to languages like Rust and Go. When it comes to long-term project maintenance or collaborating with others, every Python project faces the same problem: how to build re...(203.15 zł najniższa cena z 30 dni)
209.24 zł
249.00 zł(-16%) -
Bringing a deep-learning project into production at scale is quite challenging. To successfully scale your project, a foundational understanding of full stack deep learning, including the knowledge that lies at the intersection of hardware, software, data, and algorithms, is required.This book il...(237.15 zł najniższa cena z 30 dni)
250.70 zł
289.00 zł(-13%) -
Frontend developers have to consider many things: browser compatibility, usability, performance, scalability, SEO, and other best practices. But the most fundamental aspect of creating websites is one that often falls short: accessibility. Accessibility is the cornerstone of any website, and if a...(194.65 zł najniższa cena z 30 dni)
208.25 zł
249.00 zł(-16%) -
In this insightful and comprehensive guide, Addy Osmani shares more than a decade of experience working on the Chrome team at Google, uncovering secrets to engineering effectiveness, efficiency, and team success. Engineers and engineering leaders looking to scale their effectiveness and drive tra...(118.15 zł najniższa cena z 30 dni)
121.79 zł
149.00 zł(-18%) -
Data modeling is the single most overlooked feature in Power BI Desktop, yet it's what sets Power BI apart from other tools on the market. This practical book serves as your fast-forward button for data modeling with Power BI, Analysis Services tabular, and SQL databases. It serves as a starting ...(194.65 zł najniższa cena z 30 dni)
207.65 zł
249.00 zł(-17%) -
C# is undeniably one of the most versatile programming languages available to engineers today. With this comprehensive guide, you'll learn just how powerful the combination of C# and .NET can be. Author Ian Griffiths guides you through C# 12.0 and .NET 8 fundamentals and techniques for building c...(228.65 zł najniższa cena z 30 dni)
250.94 zł
289.00 zł(-13%) -
Learn how to get started with Futures Thinking. With this practical guide, Phil Balagtas, founder of the Design Futures Initiative and the global Speculative Futures network, shows you how designers and futurists have made futures work at companies such as Atari, IBM, Apple, Disney, Autodesk, Luf...(152.15 zł najniższa cena z 30 dni)
156.65 zł
189.00 zł(-17%) -
Augmented Analytics isn't just another book on data and analytics; it's a holistic resource for reimagining the way your entire organization interacts with information to become insight-driven.Moving beyond traditional, limited ways of making sense of data, Augmented Analytics provides a dynamic,...(177.65 zł najniższa cena z 30 dni)
182.05 zł
219.00 zł(-17%) -
Learn how to prepare for—and pass—the Kubernetes and Cloud Native Associate (KCNA) certification exam. This practical guide serves as both a study guide and point of entry for practitioners looking to explore and adopt cloud native technologies. Adrián González Sánchez ...
Kubernetes and Cloud Native Associate (KCNA) Study Guide Kubernetes and Cloud Native Associate (KCNA) Study Guide
(169.14 zł najniższa cena z 30 dni)177.65 zł
209.00 zł(-15%) -
Python is an excellent way to get started in programming, and this clear, concise guide walks you through Python a step at a time—beginning with basic programming concepts before moving on to functions, data structures, and object-oriented design. This revised third edition reflects the gro...(149.92 zł najniższa cena z 30 dni)
149.82 zł
179.00 zł(-16%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka drukowana
![Loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
![ajax-loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
Oceny i opinie klientów: Practical Machine Learning for Computer Vision Valliappa Lakshmanan, Martin Görner, Ryan Gillard (0)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.