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 Google Pay Ikona płatności ING Bank Śląski 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 Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile