Python. Uczenie maszynowe. Wydanie II
- Autorzy:
- Sebastian Raschka, Vahid Mirjalili
- Wydawnictwo:
- Helion
- Wydawnictwo:
- Helion
- Ocena:
- 5.1/6 Opinie: 11
- Stron:
- 528
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Sprawdź nowe wydanie
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
Sebastian Raschka, Vahid Mirjalili
Opis ebooka: Python. Uczenie maszynowe. Wydanie II
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!
Uczenie maszynowe zaczyna dominować w świecie informatyki. Przeczytaj niniejszą książkę i poznaj znakomite osiągnięcia uczenia maszynowego, sieci neuronowych oraz uczenia głębokiego, a także korzystaj z nich w pracy.
Nowe wydanie zostało rozszerzone i zmodernizowane o opis najnowszych technologii typu open source, w tym takich jak biblioteki scikit-learn, Keras czy TensorFlow. Znajdziesz tu praktyczną wiedzę i techniki umożliwiające wydajne tworzenie aplikacji wykorzystujących algorytmy uczenia maszynowego i uczenia głębokiego w środowisku Python.
Dzięki wnikliwej analizie i ekspertyzie autorów jesteś stopniowo wprowadzany w dziedzinę uczenia maszynowego i uczenia głębokiego, po czym bezboleśnie jesteś w stanie przejść do bardziej zaawansowanych zagadnień z dziedziny analizy danych. Książka ta łączy kwestie teoretyczne uczenia maszynowego z praktycznymi aspektami programowania w języku Python.
Tematy, które zostają wyjaśnione:
- opis i analiza najważniejszych struktur używanych w analizie danych, uczeniu maszynowym i uczeniu głębokim,
- zadawanie właściwych pytań na temat danych poprzez modele uczenia maszynowego i sieci neuronowych,
- wykorzystanie potęgi najnowszych bibliotek Pythona w uczeniu maszynowym,
- implementowanie głębokich sieci neuronowych przy użyciu biblioteki TensorFlow,
- umieszczanie modelu uczenia maszynowego w przyjaznych platformach sieciowych,
- przewidywanie ciągłych wyników za pomocą analizy regresywnej,
- odkrywanie ukrytych wzorców i struktur danych przy użyciu analizy skupień,
- przetwarzanie obrazów za pomocą technik uczenia głębokiego,
- przetwarzanie danych tekstowych i serwisów społecznościowych przy użyciu analizy sentymentów.
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)83.40 zł
139.00 zł(-40%) -
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)65.40 zł
109.00 zł(-40%) -
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)53.40 zł
89.00 zł(-40%) -
Agile i Scrum, Scrum i Agile. Opanowawszy branżę IT, powoli, ale konsekwentnie, zdobywają inne biznesowe przyczółki i rozgaszczają się w firmach na dobre… Albo niedobre, gdy budzą niezrozumienie, protesty, a czasem nawet chęć ucieczki! Agile i Scrum brzmią tak nowocześnie, w teorii świetnie...(23.94 zł najniższa cena z 30 dni)
23.94 zł
39.90 zł(-40%) -
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)41.40 zł
69.00 zł(-40%) -
W tej książce znajdziesz wszystkie informacje, które są Ci potrzebne do stworzenia środowiska sprzyjającego tworzeniu innowacyjnych rozwiązań. Dowiesz się, jak dostrzegać i wykorzystywać naturalne talenty każdego członka zespołu. Zapoznasz się z szeregiem praktycznych wskazówek, dzięki którym zid...
Decyzyjni. Jak zwykli ludzie kreują niezwykłe produkty Decyzyjni. Jak zwykli ludzie kreują niezwykłe produkty
(41.40 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
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)107.40 zł
179.00 zł(-40%) -
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)
29.40 zł
49.00 zł(-40%) -
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)53.40 zł
89.00 zł(-40%) -
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)101.40 zł
169.00 zł(-40%)
O autorach ebooka
Sebastian Raschka jest ekspertem w dziedzinie analizy danych i uczenia maszynowego. Obecnie przygotowuje doktorat na Michigan State University z metod obliczeniowych w biologii statystycznej. Biegle posługuje się Pythonem. Raschka bierze również udział w różnych projektach open source i wdraża nowe metody uczenia maszynowego. W wolnym czasie pracuje nad modelami predykcyjnymi dyscyplin sportowych. Jeżeli nie siedzi przed monitorem, chętnie uprawia sport.
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
-
Fully updated with PyTorch and the latest additions to scikit-learn. Packed with clear explanations, visualizations, and working examples, the book covers essential machine learning techniques in depth, along with two cutting-edge machine learning techniques: transformers and graph neural networks.
Machine Learning with PyTorch and Scikit-Learn. Develop machine learning and deep learning models with Python Machine Learning with PyTorch and Scikit-Learn. Develop machine learning and deep learning models with Python
Sebastian Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili, Dmytro Dzhulgakov
(146.55 zł najniższa cena z 30 dni)146.35 zł
149.00 zł(-2%) -
Oto obszerny przewodnik po uczeniu maszynowym i uczeniu głębokim w Pythonie. Zawiera dokładne omówienie najważniejszych technik uczenia maszynowego oraz staranne wyjaśnienie zasad rządzących tą technologią. Poszczególne zagadnienia zilustrowano mnóstwem wyjaśnień, wizualizacji i przykładów, co zn...
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
(89.40 zł najniższa cena z 30 dni)89.40 zł
149.00 zł(-40%) -
This third edition is updated with TensorFlow 2 and the latest additions to scikit-learn. Packed with clear explanations, visualizations, and working examples, the book covers essential machine learning techniques in depth, along with two cutting-edge machine learning techniques: reinforcement le...
Python Machine Learning. Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2 - Third Edition Python Machine Learning. Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2 - Third Edition
-
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, sposo...(34.50 zł najniższa cena z 30 dni)
34.50 zł
69.00 zł(-50%) -
This second edition of Python Machine Learning by Sebastian Raschka is for developers and data scientists looking for a practical approach to machine learning and deep learning. In this updated edition, you’ll explore the machine learning process using Python and the latest open source tec...
Python Machine Learning. Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow - Second Edition Python Machine Learning. Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow - Second Edition
(114.40 zł najniższa cena z 30 dni)114.20 zł
119.00 zł(-4%) -
Machine learning and predictive analytics are becoming one of the key strategies for unlocking growth in a challenging contemporary marketplace. It is one of the fastest growing trends in modern computing, and everyone wants to get into the field of machine learning. In order to obtain sufficient...
Python: Deeper Insights into Machine Learning. Deeper Insights into Machine Learning Python: Deeper Insights into Machine Learning. Deeper Insights into Machine Learning
(304.38 zł najniższa cena z 30 dni)304.17 zł
309.00 zł(-2%) -
The Python: Real-World Data Science course will take you on a journey to become an efficient data science practitioner by thoroughly understanding the key concepts of Python. This learning path is divided into four modules and each module are a mini course in their own right, and as you complete ...
Python: Real-World Data Science. Real-World Data Science Python: Real-World Data Science. Real-World Data Science
Fabrizio Romano, Dusty Phillips, Phuong Vo.T.H, Martin Czygan, Robert Layton, Sebastian Raschka
-
Machine learning and predictive analytics are transforming the way businesses and other organizations operate. Being able to understand trends and patterns in complex data is critical to success, becoming one of the key strategies for unlocking growth in a challenging contemporary marketplace. Py...
Python Machine Learning. Learn how to build powerful Python machine learning algorithms to generate useful data insights with this data analysis tutorial Python Machine Learning. Learn how to build powerful Python machine learning algorithms to generate useful data insights with this data analysis tutorial
-
R has grown rapidly over the years to become one of the most versatile and valuable tools for data analysis and graphing. One of its many useful features is the heat map representation of numerical data, which is an invaluable tool to discover patterns in data quickly and efficiently.Instant Heat...
Instant Heat Maps in R How-to. Learn how to design heat maps in R to enhance your data analysis Instant Heat Maps in R How-to. Learn how to design heat maps in R to enhance your data analysis
(76.89 zł najniższa cena z 30 dni)76.39 zł
79.90 zł(-4%)
Zobacz pozostałe książki z serii
-
Oto kompleksowe omówienie sposobów wdrażania najnowszych dostępnych środków zabezpieczających systemy linuksowe. Z książki dowiesz się, jak skonfigurować laboratorium do ćwiczeń praktycznych, tworzyć konta użytkowników z odpowiednimi poziomami uprawnień, chronić dane dzięki uprawnieniom i szyfrow...
Bezpieczeństwo systemu Linux. Hardening i najnowsze techniki zabezpieczania przed cyberatakami. Wydanie III Bezpieczeństwo systemu Linux. Hardening i najnowsze techniki zabezpieczania przed cyberatakami. Wydanie III
(77.40 zł najniższa cena z 30 dni)77.40 zł
129.00 zł(-40%) -
Ta książka pomoże Ci w doskonaleniu umiejętności potrzebnych na każdym etapie dochodzenia cyfrowego, od zbierania dowodów, poprzez ich analizę, po tworzenie raportów. Dzięki wielu wskazówkom i praktycznym ćwiczeniom przyswoisz techniki analizy, ekstrakcji danych i raportowania przy użyciu zaawans...
Informatyka śledcza i Kali Linux. Przeprowadź analizy nośników pamięci, ruchu sieciowego i zawartości RAM-u za pomocą narzędzi systemu Kali Linux 2022.x. Wydanie III Informatyka śledcza i Kali Linux. Przeprowadź analizy nośników pamięci, ruchu sieciowego i zawartości RAM-u za pomocą narzędzi systemu Kali Linux 2022.x. Wydanie III
(59.40 zł najniższa cena z 30 dni)59.40 zł
99.00 zł(-40%) -
Oto uzupełnione i zaktualizowane wydanie bestsellerowego przewodnika dla inżynierów sieci. Dzięki niemu przejdziesz trudną (ale ekscytującą!) drogę od tradycyjnej platformy do platformy sieciowej opartej na najlepszych praktykach programistycznych. Zaczniesz od zagadnień podstawowych, aby następn...
Zaawansowana inżynieria sieci w Pythonie. Automatyzacja, monitorowanie i zarządzanie chmurą. Wydanie IV Zaawansowana inżynieria sieci w Pythonie. Automatyzacja, monitorowanie i zarządzanie chmurą. Wydanie IV
(77.40 zł najniższa cena z 30 dni)77.40 zł
129.00 zł(-40%) -
Oto zaktualizowane wydanie bestsellerowego przewodnika dla architektów rozwiązań. Dzięki niemu dobrze poznasz wzorce projektowe wbudowane w chmurę, czyli model AWS Well-Architected Framework. Zaznajomisz się z sieciami w chmurze AWS z uwzględnieniem sieci brzegowych i tworzeniem hybrydowych połąc...
AWS dla architektów rozwiązań. Tworzenie, skalowanie i migracja aplikacji do chmury Amazon Web Services. Wydanie II AWS dla architektów rozwiązań. Tworzenie, skalowanie i migracja aplikacji do chmury Amazon Web Services. Wydanie II
Saurabh Shrivastava, Neelanjali Srivastav, Alberto Artasanchez, Imtiaz Sayed
(83.40 zł najniższa cena z 30 dni)83.40 zł
139.00 zł(-40%) -
Ten szczegółowy przewodnik pozwoli Ci na błyskawiczne zapoznanie się z .NET MAUI i sprawne rozpoczęcie pisania aplikacji za pomocą tej technologii. Zaprezentowano w nim filozofię działania .NET MAUI, jak również przebieg prac nad tworzeniem kompletnej aplikacji wieloplatformowej dla systemów: And...
Projektowanie aplikacji w .NET MAUI. Jak budować doskonałe interfejsy użytkownika dla aplikacji wieloplatformowych Projektowanie aplikacji w .NET MAUI. Jak budować doskonałe interfejsy użytkownika dla aplikacji wieloplatformowych
(47.40 zł najniższa cena z 30 dni)47.40 zł
79.00 zł(-40%) -
Ta książka szczególnie przyda się osobom, które rozpoczynają pracę z Angularem. Dzięki niej szybko zaczniesz tworzyć aplikacje z wykorzystaniem wiersza poleceń (CLI), pisać testy jednostkowe i używać stylów zgodnych ze standardem Material Design. Dowiesz się również, jak wdrażać aplikacje w środo...
Poznaj Angular. Rzeczowy przewodnik po tworzeniu aplikacji webowych z użyciem frameworku Angular 15. Wydanie IV Poznaj Angular. Rzeczowy przewodnik po tworzeniu aplikacji webowych z użyciem frameworku Angular 15. Wydanie IV
(53.40 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
Oto praktyczny, przystępnie napisany przewodnik, który stanowi wprowadzenie do pracy z technologią Blazor. Opisuje możliwości modeli Server i WebAssembly, przedstawia także krok po kroku proces powstawania aplikacji internetowej. Dzięki temu płynnie przejdziesz do tworzenia projektów Blazor, nauc...
Platforma Blazor. Praktyczny przewodnik. Jak tworzyć interaktywne aplikacje internetowe z C# i .NET 7. Wydanie II Platforma Blazor. Praktyczny przewodnik. Jak tworzyć interaktywne aplikacje internetowe z C# i .NET 7. Wydanie II
(41.40 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
To książka przeznaczona dla profesjonalnych administratorów i użytkowników Linuksa. Dzięki niej szybciej zrozumiesz, w jakim stopniu dobre zarządzanie systemami na poziomie systemu operacyjnego może wynieść działanie infrastruktury biznesowej na zupełnie inny poziom. Znajdziesz tu najlepsze prakt...
Linux dla admina. Najlepsze praktyki. O czym pamiętać podczas projektowania i zarządzania systemami Linux dla admina. Najlepsze praktyki. O czym pamiętać podczas projektowania i zarządzania systemami
(53.40 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
Książka stanowi wprowadzenie do pracy z funkcjami SI dostępnymi w Power BI; jest skierowana do osób znających to środowisko. Dowiesz się z niej, w jaki sposób sztuczna inteligencja może być używana w Power BI i jakie funkcje są w nim domyślnie dostępne. Nauczysz się też eksplorować i przygotowywa...
Power BI i sztuczna inteligencja. Jak w pełni wykorzystać funkcje AI dostępne w Power BI Power BI i sztuczna inteligencja. Jak w pełni wykorzystać funkcje AI dostępne w Power BI
(47.40 zł najniższa cena z 30 dni)47.40 zł
79.00 zł(-40%) -
To drugie wydanie popularnego przewodnika dla śledczych. Dzięki niemu sprawnie przygotujesz się do pracy z narzędziami kryminalistycznymi i zapoznasz się ze stosowanymi w informatyce śledczej technikami. Nauczysz się pozyskiwać informacje o podejrzanych i zabezpieczać znajdujące się w sieci dane,...
Informatyka śledcza. Gromadzenie, analiza i zabezpieczanie dowodów elektronicznych dla początkujących. Wydanie II Informatyka śledcza. Gromadzenie, analiza i zabezpieczanie dowodów elektronicznych dla początkujących. Wydanie II
(47.40 zł najniższa cena z 30 dni)47.40 zł
79.00 zł(-40%)
Ebooka "Python. Uczenie maszynowe. Wydanie II" 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 "Python. Uczenie maszynowe. Wydanie II" 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 "Python. Uczenie maszynowe. Wydanie II" 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
- Tytuł oryginału:
- Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition
- Tłumaczenie:
- Krzysztof Sawka
- ISBN Książki drukowanej:
- 978-83-283-5121-9, 9788328351219
- Data wydania książki drukowanej:
- 2019-03-26
- ISBN Ebooka:
- 978-83-283-5122-6, 9788328351226
- Data wydania ebooka:
- 2019-03-26 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.
- Format:
- 168x237
- Numer z katalogu:
- 85481
- Rozmiar pliku Pdf:
- 31.8MB
- Rozmiar pliku ePub:
- 14.9MB
- Rozmiar pliku Mobi:
- 29.3MB
- Pobierz przykładowy rozdział PDF
- Przykłady na ftp
Ebook zawiera materiały dodatkowe, które możesz pobrać z serwera FTP - link znajdziesz na stronie redakcyjnej.
Spis treści ebooka
- Tworzenie inteligentnych maszyn służących do przekształcania danych w wiedzę 24
- Trzy różne rodzaje uczenia maszynowego 24
- Prognozowanie przyszłości za pomocą uczenia nadzorowanego 25
- Rozwiązywanie problemów interaktywnych za pomocą uczenia przez wzmacnianie 28
- Odkrywanie ukrytych struktur za pomocą uczenia nienadzorowanego 29
- Wprowadzenie do podstawowej terminologii i notacji 30
- Strategia tworzenia systemów uczenia maszynowego 32
- Wstępne przetwarzanie - nadawanie danym formy 32
- Trenowanie i dobór modelu predykcyjnego 34
- Ewaluacja modeli i przewidywanie wystąpienia nieznanych danych 34
- Wykorzystywanie środowiska Python do uczenia maszynowego 35
- Instalacja środowiska Python i pakietów z repozytorium Python Package Index 35
- Korzystanie z platformy Anaconda i menedżera pakietów 36
- Pakiety przeznaczone do obliczeń naukowych, analizy danych i uczenia maszynowego 36
- Podsumowanie 37
- Sztuczne neurony - rys historyczny początków uczenia maszynowego 40
- Formalna definicja sztucznego neuronu 41
- Reguła uczenia perceptronu 43
- Implementacja algorytmu uczenia perceptronu w Pythonie 45
- Obiektowy interfejs API perceptronu 45
- Trenowanie modelu perceptronu na zestawie danych Iris 48
- Adaptacyjne neurony liniowe i zbieżność uczenia 53
- Minimalizacja funkcji kosztu za pomocą metody gradientu prostego 55
- Implementacja algorytmu Adaline w Pythonie 56
- Usprawnianie gradientu prostego poprzez skalowanie cech 60
- Wielkoskalowe uczenie maszynowe i metoda stochastycznego spadku wzdłuż gradientu 62
- Podsumowanie 66
- Wybór algorytmu klasyfikującego 68
- Pierwsze kroki z biblioteką scikit-learn - uczenie perceptronu 68
- Modelowanie prawdopodobieństwa przynależności do klasy za pomocą regresji logistycznej 74
- Teoretyczne podłoże regresji logistycznej i prawdopodobieństwa warunkowego 74
- Wyznaczanie wag logistycznej funkcji kosztu 78
- Przekształcanie implementacji Adaline do postaci algorytmu regresji logistycznej 80
- Uczenie modelu regresji logistycznej za pomocą biblioteki scikit-learn 84
- Zapobieganie przetrenowaniu za pomocą regularyzacji 86
- Wyznaczanie maksymalnego marginesu za pomocą maszyn wektorów nośnych 88
- Teoretyczne podłoże maksymalnego marginesu 89
- Rozwiązywanie przypadków nieliniowo rozdzielnych za pomocą zmiennych uzupełniających 90
- Alternatywne implementacje w interfejsie scikit-learn 92
- Rozwiązywanie nieliniowych problemów za pomocą jądra SVM 93
- Metody jądrowe dla danych nierozdzielnych liniowo 93
- Stosowanie sztuczki z funkcją jądra do znajdowania przestrzeni rozdzielających w przestrzeni wielowymiarowej 95
- Uczenie drzew decyzyjnych 99
- Maksymalizowanie przyrostu informacji - osiąganie jak największych korzyści 100
- Budowanie drzewa decyzyjnego 103
- Łączenie wielu drzew decyzyjnych za pomocą modelu losowego lasu 107
- Algorytm k-najbliższych sąsiadów - model leniwego uczenia 109
- Podsumowanie 113
- Kwestia brakujących danych 115
- Wykrywanie brakujących wartości w danych tabelarycznych 116
- Usuwanie próbek lub cech niezawierających wartości 117
- Wstawianie brakujących danych 118
- Estymatory interfejsu scikit-learn 119
- Przetwarzanie danych kategoryzujących 119
- Cechy nominalne i porządkowe 120
- Tworzenie przykładowego zestawu danych 120
- Mapowanie cech porządkowych 121
- Kodowanie etykiet klas 121
- Kodowanie "gorącojedynkowe" cech nominalnych (z użyciem wektorów własnych) 122
- Rozdzielanie zestawu danych na oddzielne podzbiory uczące i testowe 124
- Skalowanie cech 127
- Dobór odpowiednich cech 129
- Regularyzacje L1 i L2 jako kary ograniczające złożoność modelu 129
- Interpretacja geometryczna regularyzacji L2 130
- Rozwiązania rzadkie za pomocą regularyzacji L1 131
- Algorytmy sekwencyjnego wyboru cech 135
- Ocenianie istotności cech za pomocą algorytmu losowego lasu 140
- Podsumowanie 142
- Nienadzorowana redukcja wymiarowości za pomocą analizy głównych składowych 144
- Podstawowe etapy analizy głównych składowych 144
- Wydobywanie głównych składowych krok po kroku 146
- Wyjaśniona wariancja całkowita 148
- Transformacja cech 149
- Analiza głównych składowych w interfejsie scikit-learn 152
- Nadzorowana kompresja danych za pomocą liniowej analizy dyskryminacyjnej 154
- Porównanie analizy głównych składowych z liniową analizą dyskryminacyjną 155
- Wewnętrzne mechanizmy działania liniowej analizy dyskryminacyjnej 156
- Obliczanie macierzy rozproszenia 157
- Dobór dyskryminant liniowych dla nowej podprzestrzeni cech 159
- Rzutowanie próbek na nową przestrzeń cech 161
- Implementacja analizy LDA w bibliotece scikit-learn 161
- Jądrowa analiza głównych składowych jako metoda odwzorowywania nierozdzielnych liniowo klas 163
- Funkcje jądra oraz sztuczka z funkcją jądra 164
- Implementacja jądrowej analizy głównych składowych w Pythonie 168
- Rzutowanie nowych punktów danych 175
- Algorytm jądrowej analizy głównych składowych w bibliotece scikit-learn 178
- Podsumowanie 179
- Usprawnianie cyklu pracy za pomocą kolejkowania 181
- Wczytanie zestawu danych Breast Cancer Wisconsin 182
- Łączenie funkcji transformujących i estymatorów w kolejce czynności 183
- Stosowanie k-krotnego sprawdzianu krzyżowego w ocenie skuteczności modelu 184
- Metoda wydzielania 185
- K-krotny sprawdzian krzyżowy 186
- Sprawdzanie algorytmów za pomocą krzywych uczenia i krzywych walidacji 190
- Diagnozowanie problemów z obciążeniem i wariancją za pomocą krzywych uczenia 190
- Rozwiązywanie problemów przetrenowania i niedotrenowania za pomocą krzywych walidacji 193
- Dostrajanie modeli uczenia maszynowego za pomocą metody przeszukiwania siatki 195
- Strojenie hiperparametrów przy użyciu metody przeszukiwania siatki 195
- Dobór algorytmu poprzez zagnieżdżony sprawdzian krzyżowy 196
- Przegląd metryk oceny skuteczności 198
- Odczytywanie macierzy pomyłek 198
- Optymalizacja precyzji i pełności modelu klasyfikującego 200
- Wykres krzywej ROC 202
- Metryki zliczające dla klasyfikacji wieloklasowej 204
- Kwestia dysproporcji klas 205
- Podsumowanie 208
- Uczenie zespołów 209
- Łączenie klasyfikatorów za pomocą algorytmu głosowania większościowego 213
- Implementacja prostego klasyfikatora głosowania większościowego 214
- Stosowanie reguły głosowania większościowego do uzyskiwania prognoz 219
- Ewaluacja i strojenie klasyfikatora zespołowego 221
- Agregacja - tworzenie zespołu klasyfikatorów za pomocą próbek początkowych 226
- Agregacja w pigułce 227
- Stosowanie agregacji do klasyfikowania przykładów z zestawu Wine 228
- Usprawnianie słabych klasyfikatorów za pomocą wzmocnienia adaptacyjnego 231
- Wzmacnianie - mechanizm działania 232
- Stosowanie algorytmu AdaBoost za pomocą biblioteki scikit-learn 236
- Podsumowanie 239
- Przygotowywanie zestawu danych IMDb movie review do przetwarzania tekstu 242
- Uzyskiwanie zestawu danych IMDb 242
- Przetwarzanie wstępne zestawu danych IMDb do wygodniejszego formatu 243
- Wprowadzenie do modelu worka słów 244
- Przekształcanie słów w wektory cech 245
- Ocena istotności wyrazów za pomocą ważenia częstości termów - odwrotnej częstości w tekście 246
- Oczyszczanie danych tekstowych 248
- Przetwarzanie tekstu na znaczniki 249
- Uczenie modelu regresji logistycznej w celu klasyfikowania tekstu 251
- Praca z większą ilością danych - algorytmy sieciowe i uczenie pozardzeniowe 253
- Modelowanie tematyczne za pomocą alokacji ukrytej zmiennej Dirichleta 256
- Rozkładanie dokumentów tekstowych za pomocą analizy LDA 257
- Analiza LDA w bibliotece scikit-learn 258
- Podsumowanie 261
- Serializacja wyuczonych estymatorów biblioteki scikit-learn 264
- Konfigurowanie bazy danych SQLite 266
- Tworzenie aplikacji sieciowej za pomocą środowiska Flask 269
- Nasza pierwsza aplikacja sieciowa 269
- Sprawdzanie i wyświetlanie formularza 271
- Przekształcanie klasyfikatora recenzji w aplikację sieciową 275
- Pliki i katalogi - wygląd drzewa katalogów 277
- Implementacja głównej części programu w pliku app.py 277
- Konfigurowanie formularza recenzji 280
- Tworzenie szablonu strony wynikowej 281
- Umieszczanie aplikacji sieciowej na publicznym serwerze 282
- Tworzenie konta w serwisie PythonAnywhere 283
- Przesyłanie aplikacji klasyfikatora filmowego 283
- Aktualizowanie klasyfikatora recenzji filmowych 284
- Podsumowanie 286
- Wprowadzenie do regresji liniowej 288
- Prosta regresja liniowa 288
- Wielowymiarowa regresja liniowa 288
- Zestaw danych Housing 290
- Wczytywanie zestawu danych Housing do obiektu DataFrame 290
- Wizualizowanie ważnych elementów zestawu danych 292
- Analiza związków za pomocą macierzy korelacji 293
- Implementacja modelu regresji liniowej wykorzystującego zwykłą metodę najmniejszych kwadratów 296
- Określanie parametrów regresywnych za pomocą metody gradientu prostego 296
- Szacowanie współczynnika modelu regresji za pomocą biblioteki scikit-learn 300
- Uczenie odpornego modelu regresywnego za pomocą algorytmu RANSAC 301
- Ocenianie skuteczności modeli regresji liniowej 304
- Stosowanie regularyzowanych metod regresji 307
- Przekształcanie modelu regresji liniowej w krzywą - regresja wielomianowa 308
- Dodawanie członów wielomianowych za pomocą biblioteki scikit-learn 309
- Modelowanie nieliniowych zależności w zestawie danych Housing 310
- Analiza nieliniowych relacji za pomocą algorytmu losowego lasu 314
- Podsumowanie 318
- Grupowanie obiektów na podstawie podobieństwa przy użyciu algorytmu centroidów 320
- Algorytm centroidów w bibliotece scikit-learn 320
- Inteligentniejszy sposób dobierania pierwotnych centroidów za pomocą algorytmu k-means++ 324
- Klasteryzacja twarda i miękka 325
- Stosowanie metody łokcia do wyszukiwania optymalnej liczby skupień 327
- Ujęcie ilościowe jakości klasteryzacji za pomocą wykresu profilu 328
- Organizowanie skupień do postaci drzewa klastrów 333
- Oddolne grupowanie skupień 333
- Przeprowadzanie hierarchicznej analizy skupień na macierzy odległości 335
- Dołączanie dendrogramów do mapy cieplnej 338
- Aglomeracyjna analiza skupień w bibliotece scikit-learn 339
- Wyznaczanie rejonów o dużej gęstości za pomocą algorytmu DBSCAN 340
- Podsumowanie 345
- Modelowanie złożonych funkcji przy użyciu sztucznych sieci neuronowych 348
- Jednowarstwowa sieć neuronowa - powtórzenie 349
- Wstęp do wielowarstwowej architektury sieci neuronowych 351
- Aktywacja sieci neuronowej za pomocą propagacji w przód 354
- Klasyfikowanie pisma odręcznego 356
- Zestaw danych MNIST 357
- Implementacja perceptronu wielowarstwowego 362
- Trenowanie sztucznej sieci neuronowej 371
- Obliczanie logistycznej funkcji kosztu 371
- Ujęcie intuicyjne algorytmu wstecznej propagacji 374
- Uczenie sieci neuronowych za pomocą algorytmu propagacji wstecznej 375
- Zbieżność w sieciach neuronowych 378
- Jeszcze słowo o implementacji sieci neuronowej 380
- Podsumowanie 380
- Biblioteka TensorFlow a skuteczność uczenia 382
- Czym jest biblioteka TensorFlow? 383
- W jaki sposób będziemy poznawać bibliotekę TensorFlow? 384
- Pierwsze kroki z biblioteką TensorFlow 384
- Praca ze strukturami tablicowymi 386
- Tworzenie prostego modelu za pomocą podstawowego interfejsu TensorFlow 387
- Skuteczne uczenie sieci neuronowych za pomocą wyspecjalizowanych interfejsów biblioteki TensorFlow 391
- Tworzenie wielowarstwowych sieci neuronowych za pomocą interfejsu Layers 392
- Projektowanie wielowarstwowej sieci neuronowej za pomocą interfejsu Keras 395
- Dobór funkcji aktywacji dla wielowarstwowych sieci neuronowych 400
- Funkcja logistyczna - powtórzenie 400
- Szacowanie prawdopodobieństw przynależności do klas w klasyfikacji wieloklasowej za pomocą funkcji softmax 402
- Rozszerzanie zakresu wartości wyjściowych za pomocą funkcji tangensa hiperbolicznego 403
- Aktywacja za pomocą prostowanej jednostki liniowej (ReLU) 405
- Podsumowanie 407
- Główne funkcje biblioteki TensorFlow 410
- Rzędy i tensory 410
- Sposób uzyskania rzędu i wymiarów tensora 411
- Grafy obliczeniowe 412
- Węzły zastępcze 414
- Definiowanie węzłów zastępczych 414
- Wypełnianie węzłów zastępczych danymi 415
- Definiowanie węzłów zastępczych dla tablic danych o różnych rozmiarach pakietów danych 416
- Zmienne 417
- Definiowanie zmiennych 417
- Inicjowanie zmiennych 419
- Zakres zmiennych 420
- Wielokrotne wykorzystywanie zmiennych 421
- Tworzenie modelu regresyjnego 423
- Realizowanie obiektów w grafie TensorFlow przy użyciu ich nazw 426
- Zapisywanie i wczytywanie modelu 428
- Przekształcanie tensorów jako wielowymiarowych tablic danych 430
- Wykorzystywanie mechanizmów przebiegu sterowania do tworzenia grafów 433
- Wizualizowanie grafów za pomocą modułu TensorBoard 436
- Zdobywanie doświadczenia w używaniu modułu TensorBoard 439
- Podsumowanie 440
- Podstawowe elementy splotowej sieci neuronowej 442
- Splotowe sieci neuronowe i hierarchie cech 442
- Splot dyskretny 444
- Podpróbkowanie 452
- Konstruowanie sieci CNN 454
- Praca z wieloma kanałami wejściowymi/barw 454
- Regularyzowanie sieci neuronowej metodą porzucania 457
- Implementacja głębokiej sieci splotowej za pomocą biblioteki TensorFlow 459
- Architektura wielowarstwowej sieci CNN 459
- Wczytywanie i wstępne przetwarzanie danych 460
- Implementowanie sieci CNN za pomocą podstawowego interfejsu TensorFlow 461
- Implementowanie sieci CNN za pomocą interfejsu Layers 471
- Podsumowanie 476
- Wprowadzenie do danych sekwencyjnych 478
- Modelowanie danych sekwencyjnych - kolejność ma znaczenie 478
- Przedstawianie sekwencji 478
- Różne kategorie modelowania sekwencji 479
- Sieci rekurencyjne służące do modelowania sekwencji 480
- Struktura sieci RNN i przepływ danych 480
- Obliczanie aktywacji w sieciach rekurencyjnych 482
- Problemy z uczeniem długofalowych oddziaływań 485
- Jednostki LSTM 486
- Implementowanie wielowarstwowej sieci rekurencyjnej przy użyciu biblioteki TensorFlow do modelowania sekwencji 488
- Pierwszy projekt - analiza sentymentów na zestawie danych IMDb za pomocą wielowarstwowej sieci rekurencyjnej 489
- Przygotowanie danych 489
- Wektor właściwościowy 492
- Budowanie modelu sieci rekurencyjnej 494
- Konstruktor klasy SentimentRNN 495
- Metoda build 495
- Metoda train 499
- Metoda predict 500
- Tworzenie wystąpienia klasy SentimentRNN 500
- Uczenie i optymalizowanie modelu sieci rekurencyjnej przeznaczonej do analizy sentymentów 501
- Drugi projekt - implementowanie sieci rekurencyjnej modelującej język na poziomie znaków 502
- Przygotowanie danych 503
- Tworzenie sieci RNN przetwarzającej znaki 506
- Konstruktor 506
- Metoda build 507
- Metoda train 509
- Metoda sample 510
- Tworzenie i uczenie modelu CharRNN 512
- Model CharRNN w trybie próbkowania 512
- Podsumowanie rozdziału i książki 513
Informacje o autorach 11
Informacje o recenzentach 13
Wstęp 15
Rozdział 1. Umożliwianie komputerom uczenia się z danych 23
Rozdział 2. Trenowanie prostych algorytmów uczenia maszynowego w celach klasyfikacji 39
Rozdział 3. Stosowanie klasyfikatorów uczenia maszynowego za pomocą biblioteki scikit-learn 67
Rozdział 4. Tworzenie dobrych zbiorów uczących - wstępne przetwarzanie danych 115
Rozdział 5. Kompresja danych poprzez redukcję wymiarowości 143
Rozdział 6. Najlepsze metody oceny modelu i strojenie parametryczne 181
Rozdział 7. Łączenie różnych modeli w celu uczenia zespołowego 209
Rozdział 8. Wykorzystywanie uczenia maszynowego w analizie sentymentów 241
Rozdział 9. Wdrażanie modelu uczenia maszynowego do aplikacji sieciowej 263
Rozdział 10. Przewidywanie ciągłych zmiennych docelowych za pomocą analizy regresywnej 287
Rozdział 11. Praca z nieoznakowanymi danymi - analiza skupień 319
Rozdział 12. Implementowanie wielowarstwowej sieci neuronowej od podstaw 347
Rozdział 13. Równoległe przetwarzanie sieci neuronowych za pomocą biblioteki TensorFlow 381
Rozdział 14. Czas na szczegóły - mechanizm działania biblioteki TensorFlow 409
Rozdział 15. Klasyfikowanie obrazów za pomocą splotowych sieci neuronowych 441
Rozdział 16. Modelowanie danych sekwencyjnych za pomocą rekurencyjnych sieci neuronowych 477
Skorowidz 515
Helion - inne książki
-
Dzięki tej książce dowiesz się, jak pozyskiwać, analizować i wizualizować dane, a potem używać ich do rozwiązywania problemów biznesowych. Wystarczy, że znasz podstawy Pythona i matematyki na poziomie liceum, aby zacząć stosować naukę o danych w codziennej pracy. Znajdziesz tu szereg praktycznych...
Data science i Python. Stawianie czoła najtrudniejszym wyzwaniom biznesowym Data science i Python. Stawianie czoła najtrudniejszym wyzwaniom biznesowym
(44.85 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
Dzięki tej świetnie napisanej, miejscami przezabawnej książce dowiesz się, na czym naprawdę polega testowanie granic bezpieczeństwa fizycznego. To fascynująca relacja o sposobach wynajdywania niedoskonałości zabezpieczeń, stosowania socjotechnik i wykorzystywania słabych stron ludzkiej natury. Wy...(38.35 zł najniższa cena z 30 dni)
35.40 zł
59.00 zł(-40%) -
Ta książka zawiera szereg praktycznych wskazówek dotyczących przygotowania, przeprowadzania i oceniania wyników kontrolowanych eksperymentów online. Dzięki niej nauczysz się stosować naukowe podejście do formułowania założeń i oceny hipotez w testach A/B, dowiesz się także, jak sprawdzać wiarygod...
Kontrolowane eksperymenty online. Praktyczny przewodnik po testach A/B Kontrolowane eksperymenty online. Praktyczny przewodnik po testach A/B
(51.35 zł najniższa cena z 30 dni)47.40 zł
79.00 zł(-40%) -
Współpraca z ChatGPT wymaga pewnego przygotowania. Niewątpliwą zaletą tej technologii jest to, że można się z nią porozumieć za pomocą języka naturalnego ― takiego, jakim komunikujemy się ze sobą na co dzień. Rzecz w tym, by nauczyć się w odpowiedni sposób zadawać pytania i wydawać poleceni...(32.43 zł najniższa cena z 30 dni)
29.94 zł
49.90 zł(-40%) -
Dzięki tej książce poznasz od podstaw Gita i GitLaba. Dowiesz się, jak skonfigurować runnery GitLaba, a także jak tworzyć i konfigurować potoki dla różnych etapów cyklu rozwoju oprogramowania. Poznasz zasady interpretacji wyników potoków w GitLabie. Nauczysz się też wdrażania kodu w różnych środo...
Automatyzacja metodyki DevOps za pomocą potoków CI/CD GitLaba. Buduj efektywne potoki CI/CD do weryfikacji, zabezpieczenia i wdrażania kodu, korzystając z rzeczywistych przykładów Automatyzacja metodyki DevOps za pomocą potoków CI/CD GitLaba. Buduj efektywne potoki CI/CD do weryfikacji, zabezpieczenia i wdrażania kodu, korzystając z rzeczywistych przykładów
(51.35 zł najniższa cena z 30 dni)47.40 zł
79.00 zł(-40%) -
Ta książka wyjaśni Ci rolę matematyki w tworzeniu, renderowaniu i zmienianiu wirtualnych środowisk 3D, a ponadto pozwoli odkryć tajemnice najpopularniejszych dzisiaj silników gier. Za sprawą licznych praktycznych ćwiczeń zorientujesz się, co się kryje za rysowaniem linii i kształtów graficznych, ...
Matematyka w programowaniu gier i grafice komputerowej. Tworzenie i renderowanie wirtualnych środowisk 3D oraz praca z nimi Matematyka w programowaniu gier i grafice komputerowej. Tworzenie i renderowanie wirtualnych środowisk 3D oraz praca z nimi
(57.84 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
ChatGPT, chatbot opracowany i udostępniony przez firmę OpenAI, szybko stał się obiektem zainteresowania internautów na całym świecie — i na nowo wzbudził gorące dyskusje wokół sztucznej inteligencji. Ludzie mediów prześcigają się w skrajnych wizjach, jedni podchodzą do tematu entuzjastyczni...(10.95 zł najniższa cena z 30 dni)
10.95 zł
21.90 zł(-50%) -
Na matematykę w szkole kładzie się bardzo duży nacisk. Uczymy się jej przez wiele lat, rozwiązujemy tysiące zadań, często zmagamy się z nią na egzaminach wstępnych i końcowych. Wydawałoby się, że jako ludzie dorośli powinniśmy ją mieć w małym palcu. A jednak mniejsze i większe matematyczne wyzwan...(23.40 zł najniższa cena z 30 dni)
23.40 zł
39.00 zł(-40%) -
Tę książkę docenią przede wszystkim inżynierowie oprogramowania, programiści i administratorzy systemów, którzy muszą szybko zrozumieć praktyki DevOps. Znajdziesz tu bezcenną wiedzę, która ułatwi Ci efektywną pracę z nowoczesnym stosem aplikacji i sprawne przystąpienie do zadań związanych z DevOp...
DevOps dla zdesperowanych. Praktyczny poradnik przetrwania DevOps dla zdesperowanych. Praktyczny poradnik przetrwania
(40.20 zł najniższa cena z 30 dni)40.20 zł
67.00 zł(-40%) -
Oto przewodnik po inżynierii detekcji, przeznaczony dla inżynierów zabezpieczeń i analityków bezpieczeństwa. Zaprezentowano w nim praktyczną metodologię planowania, budowy i walidacji mechanizmów wykrywania zagrożeń. Opisano zasady pracy z frameworkami służącymi do testowania i uwierzytelniania p...
Inżynieria detekcji cyberzagrożeń w praktyce. Planowanie, tworzenie i walidacja mechanizmów wykrywania zagrożeń Inżynieria detekcji cyberzagrożeń w praktyce. Planowanie, tworzenie i walidacja mechanizmów wykrywania zagrożeń
(53.40 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%)
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
Oceny i opinie klientów: Python. Uczenie maszynowe. Wydanie II Sebastian Raschka, Vahid Mirjalili (11) 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.
(6)
(3)
(1)
(0)
(0)
(1)
Oceny i opinie poprzednich wydań
więcej opinii