Praktyczne uczenie maszynowe

Ocena: 0 (0 głosów)

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.

Informacje dodatkowe o Praktyczne uczenie maszynowe:

Wydawnictwo: Wydawnictwo Naukowe PWN
Data wydania: 2019-10-24
Kategoria: Informatyczne
ISBN: 9788301207625
Liczba stron: 360

Tagi: bóg Programowanie komputerowe i tworzenie oprogramowania

więcej

Kup książkę Praktyczne uczenie maszynowe

Sprawdzam ceny dla ciebie ...
Cytaty z książki

Na naszej stronie nie ma jeszcze cytatów z tej książki.


Dodaj cytat
REKLAMA

Zobacz także

Inne książki autora
Access. Praktyczne tworzenie aplikacji. Gabinet lekarski
Marcin Szeliga0
Okładka ksiązki - Access. Praktyczne tworzenie aplikacji. Gabinet lekarski

Takiej książki jeszcze nie wydano! Prócz dokumentacji technicznej, na towarzyszącym publikacji CD-ROM-ie znalazła się produkcyjna baza danych -- gotowa...

PostgreSQL 7.2. Ćwiczenia praktyczne
Marcin Szeliga0
Okładka ksiązki - PostgreSQL 7.2. Ćwiczenia praktyczne

Jeśli kiedykolwiek chciałeś uruchomić bazę danych PostreSQL, a nie wiedziałeś jak lub jeśli chciałeś stworzyć bazę za pomocą tego narzędzia, a ciągle...

Zobacz wszystkie książki tego autora
Recenzje miesiąca
Srebrny łańcuszek
Edward Łysiak ;
Srebrny łańcuszek
Dziadek
Rafał Junosza Piotrowski
 Dziadek
Aldona z Podlasia
Aldona Anna Skirgiełło
Aldona z Podlasia
Egzamin na ojca
Danka Braun ;
Egzamin na ojca
Cień bogów
John Gwynne
Cień bogów
Rozbłyski ciemności
Andrzej Pupin ;
Rozbłyski ciemności
Wstydu za grosz
Zuzanna Orlińska
Wstydu za grosz
Jak ograłem PRL. Na scenie
Witek Łukaszewski
Jak ograłem PRL. Na scenie
Pokaż wszystkie recenzje
Reklamy