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
Tablice informatyczne. ASP.NET
Marcin Szeliga0
Okładka ksiązki - Tablice informatyczne. ASP.NET

Koniec z wertowaniem książek i dokumentacji w poszukiwaniu składni poleceń, typów danych czy struktur języka. W tablicach informatycznych znajdziesz...

MS Office 2002/XP. Ćwiczenia zaawansowane
Marcin Szeliga0
Okładka ksiązki - MS Office 2002/XP. Ćwiczenia zaawansowane

Microsoft Office to zestaw aplikacji znany prawie każdemu użytkownikowi komputera. Jego ogromne możliwości pozostają jednak często ukryte i niewykorzystane...

Zobacz wszystkie książki tego autora
Recenzje miesiąca
Z pamiętnika jeża Emeryka
Marta Wiktoria Trojanowska ;
Z pamiętnika jeża Emeryka
Obca kobieta
Katarzyna Kielecka
Obca kobieta
Katar duszy
Joanna Bartoń
Katar duszy
Srebrny łańcuszek
Edward Łysiak ;
Srebrny łańcuszek
Oczy Mony
Thomas Schlesser
Oczy Mony
Rok szarańczy
Terry Hayes
Rok szarańczy
Klubowe dziewczyny 2
Ewa Hansen ;
Klubowe dziewczyny 2
Pokaż wszystkie recenzje
Reklamy