ODBIERZ TWÓJ BONUS :: »

Python. Uczenie maszynowe Sebastian Raschka

Autor:
Sebastian Raschka
Serie wydawnicze:
Technologia i rozwiązania
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
4.6/6  Opinie: 14
Stron:
416
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
69,00 zł
Powiadom mnie, gdy książka będzie dostępna

Ebook
41,40 zł 69,00 zł (-40%)
34,50 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
  • Implementacji perceptronu i adaptacyjnych neuronów liniowych w Pythonie
  • Stosowania klasyfikatorów maszynowych w bibliotece scikit-learn
  • Budowania i trenowania modeli regresji logistycznej oraz SVM
  • Tworzenia i przetwarzania zbiorów danych: usuwania braków, kodowania, skalowania cech
  • Redukcji wymiarowości danych za pomocą PCA, LDA i metod jądrowych
  • Oceny i strojenia modeli poprzez walidację krzyżową, krzywe uczenia i przeszukiwanie siatki
  • Łączenia modeli w zespoły, głosowania większościowego i wzmocnienia adaptacyjnego
  • Analizy sentymentów tekstu z wykorzystaniem worka słów i ważenia TF-IDF
  • Wdrażania modeli uczenia maszynowego do aplikacji webowych przy użyciu Flask
  • Przewidywania zmiennych ciągłych za pomocą regresji liniowej i wielomianowej
  • Grupowania danych nieoznakowanych za pomocą klasteryzacji: k-means, DBSCAN i hierarchicznej
  • Budowania i trenowania sztucznych sieci neuronowych, w tym MLP, CNN i RNN
  • Wykorzystania bibliotek Theano i Keras do równoległego przetwarzania i trenowania sieci
  • Doboru i implementacji funkcji aktywacji oraz optymalizacji modeli neuronowych

Sprawdź drugie wydanie tej książki

---

Uczenie maszynowe, zajmujące się algorytmami analizującymi dane, stanowi chyba najciekawszą dziedzinę informatyki. W czasach, w których generuje się olbrzymie ilości danych, samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania tych danych w wiedzę. W ten sposób powstało wiele innowacyjnych technologii, a możliwości uczenia maszynowego są coraz większe. Nieocenioną pomoc w rozwijaniu tej dziedziny stanowią liczne nowe biblioteki open source, które pozwalają na budowanie algorytmów w języku Python, będącym ulubionym, potężnym i przystępnym narzędziem naukowców i analityków danych.

Niniejsza książka jest lekturą obowiązkową dla każdego, kto chce rozwinąć swoją wiedzę o danych naukowych i zamierza w tym celu wykorzystać język Python. Przystępnie opisano tu teoretyczne podstawy dziedziny i przedstawiono wyczerpujące informacje o działaniu algorytmów uczenia maszynowego, sposobach ich wykorzystania oraz metodach unikania poważnych błędów. Zaprezentowano również biblioteki Theano i Keras, sposoby przewidywania wyników docelowych za pomocą analizy regresywnej oraz techniki wykrywania ukrytych wzorców metodą analizy skupień. Nie zabrakło opisu technik przetwarzania wstępnego i zasad oceny modeli uczenia maszynowego.

W tej książce:

  • podstawowe rodzaje uczenia maszynowego i ich zastosowanie,
  • biblioteka scikit-learn i klasyfikatory uczenia maszynowego,
  • wydajne łączenie różnych algorytmów uczących,
  • analiza sentymentów — przewidywanie opinii osób na podstawie sposobu pisania,
  • praca z nieoznakowanymi danymi — uczenie nienadzorowane,
  • tworzenie i trenowanie sieci neuronowych.

Uczenie maszynowe — odkryj wiedzę, którą niosą dane!

W marcu jak w zaczytanym garncu!  Ebooki -40%, książki -35%

Wybrane bestsellery

O autorze 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.

Sebastian Raschka - pozostałe książki

Zobacz pozostałe książki z serii Technologia i rozwiązania

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka zawiera praktyczne przykłady kodu w Pythonie dotyczące uczenia maszynowego?
Tak, książka prezentuje liczne przykłady kodu w Pythonie, pokazujące implementację algorytmów uczenia maszynowego z użyciem popularnych bibliotek, takich jak scikit-learn, Theano czy Keras.
2. Czy do korzystania z książki potrzebuję wcześniejszego doświadczenia z Pythonem lub uczeniem maszynowym?
Podstawowa znajomość Pythona będzie pomocna, ale książka wprowadza czytelnika w zagadnienia uczenia maszynowego krok po kroku, wyjaśniając zarówno teorie, jak i praktyczne aspekty.
3. Jakie konkretne tematy i algorytmy uczenia maszynowego są omawiane w książce?
Książka obejmuje m.in. klasyfikację, regresję, analizę skupień, redukcję wymiarowości, uczenie zespołowe, sieci neuronowe, przetwarzanie danych oraz wdrażanie modeli w aplikacjach webowych.
4. Czy publikacja jest aktualna i uwzględnia najnowsze narzędzia oraz biblioteki?
To drugie, zaktualizowane wydanie książki, które uwzględnia nowoczesne biblioteki open source i aktualne praktyki w uczeniu maszynowym z wykorzystaniem Pythona.
5. Czy książka nadaje się do samodzielnej nauki i ćwiczeń praktycznych?
Tak, książka została napisana z myślą o samodzielnej nauce - zawiera ćwiczenia, przykłady i instrukcje krok po kroku, które pomagają w praktycznym opanowaniu materiału.
6. Czy znajdę w książce informacje o przygotowaniu danych i ocenie modeli?
Tak, osobne rozdziały poświęcone są wstępnemu przetwarzaniu danych, doborowi cech, ocenie skuteczności modeli oraz technikom walidacji i strojenia parametrów.
7. Czy książka obejmuje wdrażanie modeli uczenia maszynowego w praktycznych aplikacjach?
Tak, jeden z rozdziałów szczegółowo opisuje, jak wdrażać wytrenowane modele w aplikacjach webowych z użyciem frameworka Flask i bazy SQLite.

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
69,00 zł
Czasowo niedostępna
Ebook
41,40 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 mBank Ikona płatności Millennium 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