ODBIERZ TWÓJ BONUS :: »

    Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II

    (ebook) (audiobook) (audiobook)
    Wydawnictwo:
    Helion
    Serie wydawnicze:
    Receptury
    Wydawnictwo:
    Helion
    Serie wydawnicze:
    Receptury
    Ocena:
    5.3/6  Opinie: 3
    Stron:
    398
    Druk:
    oprawa miękka
    Dostępne formaty:
    PDF
    ePub
    Mobi
    Czytaj fragment
    Wyłącznie

    Książka (71,20 zł najniższa cena z 30 dni)

    89,00 zł (-35%)
    57,84 zł

    Dodaj do koszyka Wysyłamy w 24h

    ( 71,20 zł najniższa cena z 30 dni)

    Ebook (57,84 zł najniższa cena z 30 dni)

    89,00 zł (-50%)
    44,50 zł

    Dodaj do koszyka lub Kup na prezent
    Kup 1-kliknięciem

    ( 57,84 zł najniższa cena z 30 dni)

    Przenieś na półkę

    Do przechowalni

    Do przechowalni

    Powiadom o dostępności audiobooka »

    W ciągu ostatnich lat techniki uczenia maszynowego rozwijały się z niezwykłą dynamiką, rewolucjonizując pracę w różnych branżach. Obecnie do uczenia maszynowego najczęściej używa się Pythona i jego bibliotek. Znajomość najnowszych wydań tych narzędzi umożliwia efektywne tworzenie wyrafinowanych systemów uczących się.

    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 zbioru danych. W książce znajdziesz receptury przydatne do rozwiązywania szerokiego spektrum problemów, od przygotowania i wczytania danych aż po trenowanie modeli i korzystanie z sieci neuronowych. W ten sposób wyjdziesz poza rozważania teoretyczne czy też matematyczne koncepcje i zaczniesz tworzyć aplikacje korzystające z uczenia maszynowego.

    Poznaj receptury dotyczące:

    • pracy z danymi w wielu formatach, z bazami i magazynami danych
    • redukcji wymiarowości, jak również oceny i wyboru modelu
    • regresji liniowej i logistycznej, drzew i lasów, a także k-najbliższych sąsiadów
    • maszyn wektorów nośnych (SVM), naiwnej klasyfikacji bayesowskiej i klasteryzacji
    • udostępniania wytrenowanych modeli za pomocą wielu frameworków

    Długo szukałam książki, która spójnie przedstawiałaby algorytm ANN, hiperpłaszczyzny i wybór cech za pomocą losowego lasu. I wtedy pojawiła się ta pozycja!

    Vicki Boykis, inżynier uczenia maszynowego w Duo

    Wybrane bestsellery

    O autorach ebooka

    Kyle Gallatin jest inżynierem oprogramowania na platformie uczenia maszynowego w Etsy. Przez wiele lat pracował jako analityk danych, naukowiec i inżynier uczenia maszynowego.

    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 .

    Zobacz pozostałe książki z serii Receptury

    Helion - inne książki

    Zamknij

    Wybierz metodę płatności

    Zamknij Pobierz aplikację mobilną Ebookpoint