ODBIERZ TWÓJ BONUS :: »

    Uczenie maszynowe w Pythonie. Receptury (ebook)(audiobook)(audiobook)

    Wydawnictwo:
    Helion
    Wydawnictwo:
    Helion
    Ocena:
    6.0/6  Opinie: 1
    Stron:
    344
    Druk:
    oprawa miękka
    3w1 w pakiecie:
    PDF
    ePub
    Mobi

    Książka

    69,00 zł

    Dodaj do koszyka Wysyłamy w 24h Dostawa 0,00 zł

    Ebook

    69,00 zł 20%
    55,20 zł

    Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

    Przenieś na półkę

    Do przechowalni

    Do przechowalni

    Uczenie maszynowe jest dziś wykorzystywane w różnych dziedzinach życia: w biznesie, w polityce, w organizacjach non profit i oczywiście w nauce. Samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania danych w wiedzę. Powstało sporo książek wyjaśniających sposób działania tych algorytmów i prezentujących nieraz spektakularne przykłady ich wykorzystania. Do dyspozycji pozostają też narzędzia przeznaczone do tego rodzaju zastosowań, takie jak biblioteki Pythona, w tym pandas i scikit-learn. Problemem pozostaje implementacja rozwiązań codziennych problemów związanych z uczeniem maszynowym.

    Z tej książki najwięcej skorzystają profesjonaliści, którzy znają podstawowe koncepcje związane z uczeniem maszynowym. Osoby te potraktują ją jako przewodnik ułatwiający rozwiązywanie konkretnych problemów napotykanych podczas codziennej pracy z uczeniem maszynowym. Dzięki zawartym tu recepturom takie zadania jak wczytywanie danych, obsługa danych tekstowych i liczbowych, wybór modelu czy redukcja wymiarowości staną się o wiele łatwiejsze do wykonania. Każda receptura zawiera kod, który można wstawić do swojego programu, połączyć lub zaadaptować według potrzeb. Przedstawiono także analizy wyjaśniające poszczególne rozwiązania i ich kontekst. Z tą książką płynnie przejdziesz od rozważań teoretycznych do opracowywania działających aplikacji i praktycznego korzystania z zalet uczenia maszynowego.

    Receptury w tej książce dotyczą:

    • wektorów, macierzy i tablic
    • obsługi danych liczbowych i tekstowych, obrazów, a także związanych z datą i godziną
    • redukcji wymiarowości za pomocą wyodrębniania i wyboru cech
    • oceny i wyboru modelu oraz regresji liniowej i logistycznej
    • maszyn wektorów nośnych (SVM), naiwnej klasyfikacji bayesowskiej, klasteryzacji i sieci neuronowych
    • zapisywania i wczytywania wytrenowanych modeli

    Uczenie maszynowe w Pythonie - użyj sprawdzonych receptur kodu!

    O autorze

    Dr Chris Albon jest analitykiem danych i politologiem. Od ponad dziesięciu lat stosuje statystykę, sztuczną inteligencję i inne zdobycze informatyki w polityce, socjologii i przy zarządzaniu akcjami humanitarnymi. Obecnie pracuje dla Devoted Health — wykorzystuje naukę o danych i maszynowe uczenie w celu rozwiązania problemów amerykańskiego systemu ochrony zdrowia. Wcześniej był głównym analitykiem danych w kenijskim startupie BRCK .

    Zamknij

    Wybierz metodę płatności