ISBN:9788301207847

Praktyczne uczenie maszynowe

Autor: Marcin Szeliga

Wydawnictwo: Wydawnictwo Naukowe PWN

Ostatnia dekada to czas bezprecedensowego rozwoju sztucznej inteligencji – nie tylko przełomowych badań nad algorytmami uczenia maszynowego, ale również coraz powszechniejszego stosowania inteligentnych maszyn w najróżniejszych dziedzinach naszego życia. Rozwój ten ogranicza niewystarczająca liczba specjalistów, łączących znajomość modelowania danych (przygotowania danych i zasad działania algorytmów uczenia maszynowego) ze znajomością języków analizy danych, takich jak SQL, R czy Python.


Inżynieria danych (ang. data science) to interdyscyplinarna wiedza, której opanowanie wymaga znajomości algebry, geometrii, statystyki, rachunku prawdopodobieństwa i algorytmiki, uzupełnionej o praktyczną umiejętność programowania. Co więcej, sztuczna inteligencja jest przedmiotem intensywnych badań naukowych i samo śledzenie postępów w tej dziedzinie wiąże się z regularnym (codziennym) dokształcaniem.


Niniejsza książka łączy w sobie teorię z praktyką. Opisuje rozwiązania kilkunastu typowych problemów, takich jak prognozowanie zysków, optymalizacja kampanii marketingowej, proaktywna konserwacja sprzętu czy oceny ryzyka kredytowego. Ich układ jest celowy – każdy przykład jest okazją do wyjaśnienia określonych zagadnień, zaczynając od narzędzi, przez podstawy uczenia maszynowego, sposoby oceny jakości danych i ich przygotowania do dalszej analizy, zasady tworzenia modeli uczenia maszynowego i ich optymalizacji, po wskazówki dotyczące wdrożenia gotowych modeli do produkcji.


Książka jest adresowana do wszystkich, którzy chcieliby poznać lub udoskonalić:


praktyczną znajomość statystki i umiejętność wizualizacji danych niezbędnej do oceny jakości danych; praktyczną znajomość języka SQL, R lub Python niezbędnej do uporządkowania, wstępnego przygotowania i wzbogacenia danych; zasady działania poszczególnych algorytmów uczenia maszynowego koniecznych do ich wyboru i optymalizacji; korzystanie z języka R lub Python do stworzenia, oceny, zoptymalizowania i wdrożenia do produkcji modeli eksploracji danych. Zarówno studenci kierunków informatycznych, jak również analitycy, programiści, administratorzy baz danych oraz statystycy znajdą w książce informacje, które pozwolą im opanować praktyczne umiejętności potrzebne do samodzielnego tworzenia systemów uczenia maszynowego.

Najlepsza cena: eBookpoint
LUB
Wyślemy Ci maila, gdy cena książki będzie niższa, np.29 zł

Znaleziono 13 ofert ebooków od 53.40 zł

Formaty Cena Księgarnia
mobi epub
od 48.06 zł
(dla stałych klientów)
53.40 zł ebookpoint.pl
mobi epub
53.40 zł helion.pl
mobi epub
od 4.92 zł
(dostęp online)
62.30 zł ibuk.pl
mobi epub
74.72 zł ebuczek.pl
mobi epub
75.60 zł gandalf.com.pl
mobi epub
79.21 zł swiatebookow.pl
mobi epub
80.50 zł swiatksiazki.pl
mobi epub
  53.40 zł
w programie Nexto Premium
82.77 zł nexto.pl
mobi epub
89.00 zł empik.pl
mobi epub
89.00 zł virtualo.pl
mobi epub
89.00 zł litres.pl
mobi epub
89.00 zł woblink.pl
mobi
80.10 zł zinamon.pl
epub
80.10 zł zinamon.pl