Autor: |
Wydawnictwo: | Wydawnictwo Naukowe PWN |
Data premiery: | 2019-10-25 |
Liczba stron: | 468 |
Autor: | Szeliga Marcin |
Każdy sprzedawca w empik.com jest przedsiębiorcą. Wszystkie obowiązki związane z umową sprzedaży ciążą na sprzedawcy.
Masz już ten produkt? Dodaj go do Biblioteki i podziel się jej zawartością ze znajomymi.
Sprawdź jak złożyć zamówienie krok po kroku.
Możesz też zadzwonić pod numer +48 22 462 72 50 nasi konsultanci pomogą Ci złożyć zamówienie.
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.
Powyższy opis pochodzi od wydawcy.
ID produktu: | 1369577484 |
Tytuł: | Praktyczne uczenie maszynowe |
Autor: | Szeliga Marcin |
Wydawnictwo: | Wydawnictwo Naukowe PWN |
Język wydania: | polski |
Język oryginału: | polski |
Liczba stron: | 468 |
Numer wydania: | I |
Data premiery: | 2019-10-25 |
Rok wydania: | 2023 |
Data wydania: | 2019-10-25 |
Forma: | książka |
Okładka: | miękka |
Wymiary produktu [mm]: | 137 x 24 x 236 |
Indeks: | 55810326 |
ocen
Podziel się na Facebooku
Właśnie zrecenzowałem Praktyczne uczenie maszynowe
Ostatnia dekada to czas bezprecedensowego rozwoju sztucznej inteligencji – nie tylko przełomowych badań nad algorytmami uczenia maszynowego, ale również coraz powszechniejszego stosowania ...