
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
- Autor:
- Burak Kanber
- Wydawnictwo:
- Helion
- Ocena:
- 6.0/6 Opinie: 1
- Stron:
- 328
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi

Opis ebooka: Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
Uczenie maszynowe jeszcze kilka lat temu stanowiło niemal wiedzę tajemną. Nieliczni eksperci w tej dziedzinie publikowali materiały w naukowym, matematycznym języku, który wymagał biegłości w algebrze liniowej czy rachunku wektorowym. Korzystano najczęściej z Pythona i jego bibliotek. Obecnie, wraz ze wzrostem popularności uczenia maszynowego, zwiększają się możliwości jego praktycznej implementacji. Rzeczywista biegłość w tej dziedzinie wymaga jednak dogłębnego zrozumienia mechaniki działania algorytmów stosowanych w uczeniu maszynowym. Implementacja tych algorytmów w JavaScripcie jest znakomitym wyborem: język ten stał się dojrzałym, potężnym i wszechstronnym narzędziem do rozwiązywania złożonych problemów.
Chcesz nauczyć się implementacji algorytmów uczenia maszynowego bez zbytniego zagłębiania się w niuanse matematyczne? Jeśli dodatkowo znasz język JavaScript, ta książka jest dla Ciebie idealnym wyborem. Wyjaśniono w niej, w jaki sposób tworzyć własne implementacje, podano też przykłady przydatnych bibliotek. Sporo miejsca poświęcono sieciom neuronowym, ich architekturze i przykładom zastosowania. Przedstawiono takie zagadnienia jak wykrywanie twarzy, filtrowanie spamu, tworzenie systemów rekomendacji, rozpoznawanie znaków oraz przetwarzanie języka naturalnego. Znalazły się tu również wskazówki dotyczące dobierania odpowiednich bibliotek JavaScriptu, takich jak NaturalNode, brain, harthur oraz klasyfikatory, co umożliwia projektowanie bardziej inteligentnych aplikacji.
Najważniejsze zagadnienia przedstawione w książce:
- potencjał JavaScriptu w uczeniu maszynowym
- algorytmy grupowania, klasyfikacji, reguły kojarzenia
- algorytmy regresji, przewidywanie wzorców i predykcja
- sieci neuronowe i głębokie sieci neuronowe
- uczenie maszynowe w aplikacjach czasu rzeczywistego
Uczenie maszynowe - coś dla wyjadaczy JavaScriptu!
Uczenie maszynowe z językiem JavaScript
W ciągu 20 lat swojego istnienia język JavaScript wielokrotnie przekraczał bariery internetu trafiając między innymi na serwery, do systemów wbudowanych, inteligentnych telefizorów, internetu rzeczy, czy też do samochodów. Dziś, dzięki dodatkowym korzyściom jakie zapewniają osiągnięcia naukowe związane z uczeniem maszynowym oraz wspierające je biblioteki dla JavaScriptu, język ten sprawia, że przeglądarki stają się bardziej inteligentne niż były kiedykolwiek wcześniej, zyskując możliwość poznawania wzorców oraz ich odtwarzania, dzięki czemu mogą stawać się elementami innowacyjnych produktów i aplikacji.
Niniejsza książka, Uczenie maszynowe z językiem JavaScript w praktyczny i obiektywny sposób przedstawia różne rozwiązania uczenia maszynowego oraz pomaga implementować je w języku JavaScript. Przewidywanie zachowań, analiza odczuć, grupowanie danych i budowanie modeli sieci neuronowych, oto umiejętności, które można nabyć czytając tę książkę. Dowiesz się z niej jak należy uczyć modele sieci neuronowych oraz jak korzystać z różnych rodzajów danych. Podczas tej podróży zetkniesz się z różnymi zagadnieniami, takimi jak wykrywanie twarzy, filtrowanie spamu, tworzenie systemów rekomendacji, czy też rozpoznawanie znaków. Co więcej, nauczysz się także używać głębokich sieci neuronowych oraz dowiesz jak sterować aplikacją by uzyskiwały wgląd w dane i wyciągały z nich wnioski.
Po zakończeniu lektury będziesz dysponować praktyczną wiedzą o przetwarzaniu i implementacji odpowiednich modeli oraz będziesz potrafił dobierać odpowiednie biblioteki JavaScript, takie jak NautralNode, brain, harthur oraz klasyfikatory, by projektować bardziej inteligentne aplikacje.
Czego się nauczysz
- Zyskasz przeglądową wiedzę o uczeniu maszynowym najwyższego poziomu.
- Zrozumiesz czym jest wstępne przetwarzanie danych, czyszczenie ich i przygotowywanie.
- Dowiesz się czym jest wydobywanie i wyodrębnianie wzorców w JavaScripcie.
- Stworzysz własne modele do klasyfikacji, grupowania oraz prognozowania.
- Nauczysz się wybierać najlepsze modele dla określonych typów problemów.
- Dowiesz się jak stosować techniki uczenia maszynowego w rzeczywistych aplikacjach.
- Przekonasz się, że JavaScript jest potężnym językiem pozwalającym na stosowanie technik uczenia maszynowego.
Wybrane bestsellery
-
This book demonstrates various machine learning techniques and their implementation in JavaScript. Build models to power your applications with smart, predictive features. From predicting future prices, analyzing sentiments to medical diagnosis, this book shows you how to use the power of JavaScr...
Hands-on Machine Learning with JavaScript. Solve complex computational web problems using machine learning Hands-on Machine Learning with JavaScript. Solve complex computational web problems using machine learning
-
10 lat temu Andrzej Jeznach, polski biznesmen, postawił na dobre życie i zmienił zasady zarządzania. Odszedł od nadzoru i hierarchii i już po kilku latach jego firma pracowała właściwie sama. Kiedy się zdecydował przekazać losy firmy w ręce młodszego pokolenia, jego celem było stworzenie organiza...(17.90 zł najniższa cena z 30 dni)
17.90 zł
59.00 zł(-70%) -
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)109.85 zł
169.00 zł(-35%) -
To drugi tom klasycznego podręcznika wiedzy o sztucznej inteligencji. Podobnie jak w wypadku pierwszej części, lektura tej książki nie wymaga wybitnej znajomości tematu. Dzięki przejrzystości tekstu i umiejętnemu unikaniu nadmiernego formalizmu można w dość łatwy sposób zrozumieć kluczowe idee i ...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
(77.40 zł najniższa cena z 30 dni)83.85 zł
129.00 zł(-35%) -
Prezentowana książka jest drugim, zaktualizowanym i uzupełnionym, wydaniem klasycznego podręcznika napisanego z myślą o analitykach, którzy dotychczas nie pracowali w Pythonie, oraz o programistach Pythona, którzy nie zajmowali się dotąd analizą danych ani obliczeniami naukowymi. Przedstawiono tu...
Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. Wydanie II Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. Wydanie II
(44.50 zł najniższa cena z 30 dni)48.95 zł
89.00 zł(-45%) -
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)57.85 zł
89.00 zł(-35%) -
Ten praktyczny przewodnik po narzędziu Power Query nauczy Cię efektywnie przetwarzać dane w Excelu: importować, oczyszczać, przekształcać i wydobywać potrzebne informacje. Dowiesz się, jak sprawnie wykonywać typowe zadania i prace analityczne, jak zwiększyć swoją skuteczność dzięki opanowaniu pod...
Power Query w Excelu i Power BI. Zbieranie i przekształcanie danych Power Query w Excelu i Power BI. Zbieranie i przekształcanie danych
(53.40 zł najniższa cena z 30 dni)57.85 zł
89.00 zł(-35%) -
Proponowany przez nas kurs jest przeznaczony dla osób, które mają już za sobą pierwsze kroki w obsłudze Power BI Desktop, stworzyły raporty i chciałyby odkryć, jak wygląda realna praca z serwisem Power BI i współdzielenie raportów w środowisku dużej albo średniej firmy. Jeśli chcesz poznać cały p...
Power BI. Kurs video. Kompleksowe przygotowanie do pracy Power BI developera Power BI. Kurs video. Kompleksowe przygotowanie do pracy Power BI developera
(249.50 zł najniższa cena z 30 dni)324.35 zł
499.00 zł(-35%) -
Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poś...
Uczenie maszynowe. Elementy matematyki w analizie danych Uczenie maszynowe. Elementy matematyki w analizie danych
(23.94 zł najniższa cena z 30 dni)25.93 zł
39.90 zł(-35%) -
Metody statystyczne są kluczowym elementem data science, mimo to niewielu specjalistów data science posiada formalne wykształcenie statystyczne. Kursy i podręczniki o podstawach statystyki, rzadko kiedy omawiają temat z perspektywy data science. W drugim wydaniu tego popularnego podręcznika zosta...
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II
(41.40 zł najniższa cena z 30 dni)44.85 zł
69.00 zł(-35%)
O autorze ebooka
Burak Kanber — inżynier, przedsiębiorca. Od ponad 20 lat zajmuje się tworzeniem oprogramowania oraz doradztwem, jest również współtwórcą kilku startupów technologicznych. Specjalizuje się w technologiach sieciowych (języki Python i JavaScript należą do jego ulubionych), inżynierii (fascynują go zwłaszcza systemy kontroli i pojazdy hybrydowe) oraz zagadnieniach zwinnego wytwarzania oprogramowania. Napisał bardzo popularną serię artykułów Machine Learning in JavaScript.
Ebooka "Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów" 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 "Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów" 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 "Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów" 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:
- Hands-on Machine Learning with JavaScript: Solve complex computational web problems using machine learning
- Tłumaczenie:
- Piotr Rajca
- ISBN Książki drukowanej:
- 978-83-283-5196-7, 9788328351967
- Data wydania książki drukowanej:
- 2019-06-18
- ISBN Ebooka:
- 978-83-283-5197-4, 9788328351974
- Data wydania ebooka:
-
2019-06-18
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:
- 88596
- Rozmiar pliku Pdf:
- 8.1MB
- Rozmiar pliku ePub:
- 11.8MB
- Rozmiar pliku Mobi:
- 20.0MB
- 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
- Język JavaScript 15
- Uczenie maszynowe 18
- Zalety i wyzwania związane ze stosowaniem języka JavaScript 20
- Inicjatywa CommonJS 21
- Node.js 22
- Język TypeScript 24
- Usprawnienia wprowadzone w ES6 26
- Let i const 26
- Klasy 27
- Importowanie modułów 29
- Funkcje strzałkowe 29
- Literały obiektowe 31
- Funkcja for...of 31
- Obietnice 32
- Funkcje async/wait 33
- Przygotowywanie środowiska programistycznego 34
- Instalowanie Node.js 34
- Opcjonalne zainstalowanie Yarn 35
- Tworzenie i inicjowanie przykładowego projektu 35
- Tworzenie projektu "Witaj, świecie!" 36
- Podsumowanie 38
- Przetwarzanie danych 39
- Identyfikacja cech 42
- Przekleństwo wymiarowości 43
- Wybór cech oraz wyodrębnianie cech 45
- Przykład korelacji Pearsona 48
- Czyszczenie i przygotowywanie danych 51
- Obsługa brakujących danych 51
- Obsługa szumów 53
- Obsługa elementów odstających 58
- Przekształcanie i normalizacja danych 61
- Podsumowanie 68
- Wprowadzenie do uczenia maszynowego 70
- Typy uczenia 70
- Uczenie nienadzorowane 72
- Uczenie nadzorowane 75
- Uczenie przez wzmacnianie 83
- Kategorie algorytmów 84
- Grupowanie 84
- Klasyfikacja 84
- Regresja 85
- Redukcja wymiarowości 85
- Optymalizacja 86
- Przetwarzanie języka naturalnego 86
- Przetwarzanie obrazów 87
- Podsumowanie 87
- Średnia i odległość 90
- Pisanie algorytmu k-średnich 93
- Przygotowanie środowiska 93
- Inicjalizacja algorytmu 94
- Testowanie losowo wygenerowanych centroidów 99
- Przypisywanie punktów do centroidów 100
- Aktualizowanie położenia centroidów 102
- Pętla główna 106
- Przykład 1. - k-średnich na prostych danych dwuwymiarowych 107
- Przykład 2. - dane trójwymiarowe 114
- Algorytm k-średnich, kiedy k nie jest znane 116
- Podsumowanie 122
- k najbliższych sąsiadów 124
- Implementacja algorytmu KNN 125
- Naiwny klasyfikator bayesowski 138
- Tokenizacja 140
- Implementacja algorytmu 141
- Przykład 3. - ocenianie charakteru recenzji filmów 150
- Maszyna wektorów nośnych 154
- Lasy losowe 162
- Podsumowanie 168
- Z matematycznego punktu widzenia 171
- Z punktu widzenia algorytmu 174
- Zastosowania reguły asocjacji 176
- Przykład - dane ze sprzedaży detalicznej 178
- Podsumowanie 182
- Porównanie regresji i klasyfikacji 184
- Podstawy regresji 185
- Przykład 1. - regresja liniowa 189
- Przykład 2. - regresja wykładnicza 193
- Przykład 3. - regresja wielomianowa 198
- Inne techniki analizy szeregów czasowych 200
- Filtrowanie 201
- Analiza sezonowości 203
- Analiza fourierowska 204
- Podsumowanie 206
- Opis koncepcji sieci neuronowych 210
- Uczenie metodą propagacji wstecznej 214
- Przykład - XOR z użyciem TensorFlow.js 217
- Podsumowanie 224
- Konwolucyjne sieci neuronowe 228
- Konwolucje oraz warstwy konwolucyjne 229
- Przykład - zbiór MNIST ręcznie zapisanych cyfr 234
- Rekurencyjne sieci neuronowe 241
- SimpleRNN 242
- Topologia GRU 246
- Długa pamięć krótkoterminowa - LSTM 249
- Podsumowanie 252
- Odległość edycyjna 255
- Ważenie termów - odwrotna częstość w dokumentach 257
- Tokenizacja 263
- Stemming 270
- Fonetyka 272
- Oznaczanie części mowy 274
- Techniki przekazywania słów do sieci neuronowych 276
- Podsumowanie 279
- Serializacja modeli 282
- Uczenie modeli na serwerze 283
- Wątki robocze 286
- Modele samodoskonalące oraz spersonalizowane 287
- Potokowanie danych 290
- Przeszukiwanie danych 291
- Łączenie i agregacja danych 293
- Przekształcenia i normalizacja 295
- Przechowywanie i dostarczanie danych 298
- Podsumowanie 300
- Tryb uczenia 305
- Zadanie do wykonania 308
- Format, postać, wejście i wyjście 309
- Dostępne zasoby 312
- W razie problemów 313
- Łączenie modeli 316
- Podsumowanie 318
O autorze 7
O recenzencie 8
Wstęp 9
Rozdział 1. Poznawanie potencjału języka JavaScript 15
Rozdział 2. Badanie danych 39
Rozdział 3. Przegląd algorytmów uczenia maszynowego 69
Rozdział 4. Algorytmy grupowania na podstawie klastrów 89
Rozdział 5. Algorytmy klasyfikacji 123
Rozdział 6. Algorytmy reguł asocjacyjnych 169
Rozdział 7. Przewidywanie z użyciem algorytmów regresji 183
Rozdział 8. Algorytmy sztucznych sieci neuronowych 209
Rozdział 9. Głębokie sieci neuronowe 227
Rozdział 10. Przetwarzanie języka naturalnego w praktyce 253
Rozdział 11. Stosowanie uczenia maszynowego w aplikacjach czasu rzeczywistego 281
Rozdział 12. Wybieranie najlepszego algorytmu dla aplikacji 303
Skorowidz 321
Oceny i opinie klientów: Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów Burak Kanber (1)
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.
(1)
(0)
(0)
(0)
(0)
(0)