Helion - książki
![Helion - książki](https://static01.helion.com.pl/ebookpoint/img/wydawcy-ikonki/large/helion.jpg)
Od początku swojej działalności wydawnictwo Helion wspiera rozwój specjalistów z szeroko pojętej branży IT. To doskonała baza wiedzy dla osób, które chcą poznać tajniki informatyki, programowania, sztucznej inteligencji, cyberbezpieczeństwa czy grafiki komputerowej i innych umiejętności związanych z nowoczesnymi technologiami.
Helion oferuje szeroki wybór książek oraz ebooków z różnych dziedzin informatyki, zawsze aktualnych i zgodnych z najnowszymi trendami technologicznymi.
Tytuły książek(ebooki, audiobooki) wydawnictwa: Helion
-
Spark. Rozproszone uczenie maszynowe na dużą skalę. Jak korzystać z MLlib, TensorFlow i PyTorch
-
Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV
-
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
-
Zarządzanie danymi w zbiorach o dużej skali. Nowoczesna architektura z siatką danych i technologią Data Fabric. Wydanie II
-
Dylemat sztucznej inteligencji. 7 zasad odpowiedzialnego tworzenia technologii
-
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
-
Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku
-
Specyfikacja wymagań oprogramowania. Kluczowe praktyki analizy biznesowej
-
Jak analizować dane z biblioteką Pandas. Praktyczne wprowadzenie. Wydanie II
-
Power BI i sztuczna inteligencja. Jak w pełni wykorzystać funkcje AI dostępne w Power BI
-
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
-
Google Analytics od podstaw. Analiza wpływu biznesowego i wyznaczanie trendów
-
Microsoft Power BI dla zaawansowanych. Eksperckie techniki tworzenia interaktywnych analiz w świecie biznesu. Wydanie II
-
Microsoft Power BI. Jak modelować i wizualizować dane oraz budować narracje cyfrowe. Wydanie III
-
Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP
-
Podręcznik architekta rozwiązań. Poznaj reguły oraz strategie projektu architektury i rozpocznij niezwykłą karierę. Wydanie II
-
Microsoft Power BI dla bystrzaków
-
Poznaj Tableau 2022. Wizualizacja danych, interaktywna analiza danych i umiejętność data storytellingu. Wydanie V
-
Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i NumPy oraz środowiska Jupyter. Wydanie III
-
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
-
Inżynieria danych w praktyce. Kluczowe koncepcje i najlepsze technologie
-
Potoki danych. Leksykon kieszonkowy. Przenoszenie i przetwarzanie danych na potrzeby ich analizy
-
Sztuczna inteligencja od podstaw
-
Pierwsze kroki w Power BI. Kompletny przewodnik po praktycznej analityce biznesowej. Wydanie II
-
Siatka danych. Nowoczesna koncepcja samoobsługowej infrastruktury danych
-
Wizualizacja danych. Pulpity nawigacyjne i raporty w Excelu
-
Jak sztuczna inteligencja zmieni twoje życie
-
Zaawansowana analiza danych w PySpark. Metody przetwarzania informacji na szeroką skalę z wykorzystaniem Pythona i systemu Spark
-
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
-
DAX i Power BI w analizie danych. Tworzenie zaawansowanych i efektywnych analiz dla biznesu
-
Spark. Błyskawiczna analiza danych. Wydanie II
-
Uczenie maszynowe. Elementy matematyki w analizie danych
-
Modelowanie danych z Power BI dla ekspertów analityki. Jak w pełni wykorzystać możliwości Power BI
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
-
Dodaj mocy Power BI! Jak za pomocą kodu w Pythonie i R pobierać, przekształcać i wizualizować dane
-
Deep Learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona
-
Matematyka w uczeniu maszynowym
-
Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego
-
Głębokie uczenie. Wprowadzenie
-
Głębokie uczenie przez wzmacnianie. Praca z chatbotami oraz robotyka, optymalizacja dyskretna i automatyzacja sieciowa w praktyce. Wydanie II
-
Sztuczna inteligencja w finansach. Używaj języka Python do projektowania i wdrażania algorytmów AI
-
Deep learning z TensorFlow 2 i Keras dla zaawansowanych. Sieci GAN i VAE, deep RL, uczenie nienadzorowane, wykrywanie i segmentacja obiektów i nie tylko. Wydanie II
-
Projektowanie głosowych interfejsów użytkownika. Zasady doświadczeń konwersacyjnych
-
Microsoft Power BI. Jak modelować i wizualizować dane oraz budować narracje cyfrowe. Wydanie II
-
TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
-
Matematyka dyskretna dla praktyków. Algorytmy i uczenie maszynowe w Pythonie
-
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
-
Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
-
Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego
-
Deep learning dla programistów. Budowanie aplikacji AI za pomocą fastai i PyTorch
-
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II
-
Dane grafowe w praktyce. Jak technologie grafowe ułatwiają rozwiązywanie złożonych problemów
-
Machine learning, Python i data science. Wprowadzenie
-
Skazany na sukces. Kariera w Data Science
-
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
-
Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa
-
Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i grania
-
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
-
Hurtownie danych. Od przetwarzania analitycznego do raportowania. Wydanie II
-
Język R i analiza danych w praktyce. Wydanie II
-
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
-
Analiza danych w zarządzaniu projektami
-
Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji
-
Opowieści ukryte w danych. Wyjaśnij dane i wywołaj działania za pomocą narracji
-
Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego
-
Uczenie maszynowe w Pythonie dla każdego
-
Myślenie systemowe. Wprowadzenie
-
Power BI i Power Pivot dla Excela. Analiza danych
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
-
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
-
Uczenie głębokie od zera. Podstawy implementacji w Pythonie
-
Człowiek na rozdrożu. Sztuczna inteligencja 25 punktów widzenia
-
Język R. Receptury. Analiza danych, statystyka i przetwarzanie grafiki. Wydanie II
-
Power Query w Excelu i Power BI. Zbieranie i przekształcanie danych
-
Data science od podstaw. Analiza danych w Pythonie. Wydanie II
-
Podstawy wizualizacji danych. Zasady tworzenia atrakcyjnych wykresów
-
Analiza marketingowa. Praktyczne techniki z wykorzystaniem analizy danych i narzędzi Excela
-
TensorFlow. 13 praktycznych projektów wykorzystujących uczenie maszynowe
-
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
-
Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie
-
Korporacyjne jezioro danych. Wykorzystaj potencjał big data w swojej organizacji
-
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
-
Algorytmy uczenia maszynowego. Zaawansowane techniki implementacji
-
Deep Learning. Receptury
-
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
-
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
-
Python. Uczenie maszynowe. Wydanie II
-
Deep Learning. Praca z językiem Python i biblioteką Keras
-
Deep Learning. Praca z językiem R i biblioteką Keras
-
Uczenie maszynowe w Pythonie. Receptury
-
Wprowadzenie do systemów baz danych. Wydanie VII
-
NoSQL, NewSQL i BigData. Bazy danych następnej generacji
-
Data science od podstaw. Analiza danych w Pythonie
-
Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow
-
Deep Learning. Praktyczne wprowadzenie
-
Język R. Kompletny zestaw narzędzi dla analityków danych
-
Python. Uczenie maszynowe
-
Dane i Goliat. Ukryta bitwa o Twoje dane i kontrolę nad światem
-
Zaawansowane uczenie maszynowe z językiem Python
-
Mistrz analizy danych. Od danych do wiedzy
-
Python. Podstawy nauki o danych. Wydanie II
-
Inteligentna sieć. Algorytmy przyszłości. Wydanie II
-
Excel 2016 PL. Biblia
-
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
-
Big Data. Najlepsze praktyki budowy skalowalnych systemów obsługi danych w czasie rzeczywistym
-
Google Analytics. Integracja i analiza danych
-
Spark. Zaawansowana analiza danych
-
Hadoop. Komplety przewodnik. Analiza i przechowywanie danych
-
Zwinna analiza danych. Apache Hadoop dla każdego
-
Uczenie maszynowe dla programistów
-
Badanie danych. Raport z pierwszej linii działań
-
Nowe usługi 2.0. Przewodnik po analizie zbiorów danych
-
Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha. Wydanie II
-
Metoda Lean Analytics. Zbuduj sukces startupu w oparciu o analizę danych
-
Excel 2013 PL. Kurs
-
Excel 2010 PL. Ilustrowany przewodnik
-
Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha
-
Access. Analiza danych. Receptury