Machine learning, Python i data science. Wprowadzenie

Machine learning, Python i data science. Wprowadzenie
Sarah Guido

Oprawa: Miękka
Ilość stron: 320
Szerokość: 166
Wysokość: 240
ISBN: 9788328374089
Rok wydania: 2021
Wydawnictwo: Helion
Stan: jak nowa

JAK NOWA - niezauważalne lub znikome ślady używania, które mogą obejmować nieuniknione następstwa użytkowania książki (mogące pojawić się m.in. w procesie przechowywania), - delikatne zagięcie pojedynczej kartki, - ledwie dostrzegalne zabrudzenie okładki lub pojedynczych stron. Żadna z wyżej wymienionych wad o charakterze wizualnym lub mechanicznym nie wpływa na kompletną zawartość książki oraz możliwość odczytania jej pełnego tekstu.

Uczenie maszynowe kojarzy się z dużymi firmami i rozbudowanymi zespołami. Prawda jest taka, że obecnie można samodzielnie budować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych danych. Trzeba tylko mieć pomysł i... trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych.

Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badaczy i analityków danych oraz inżynierów pracujących nad aplikacjami komercyjnymi. Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zaimplementowanych w dostępnych bibliotekach.

W książce między innymi:

• podstawowe informacje o uczeniu maszynowym,
• najważniejsze algorytmy uczenia maszynowego,
• przetwarzanie danych w uczeniu maszynowym,
• ocena modelu i dostrajanie parametrów,
• łańcuchy modeli i hermetyzacja przepływu pracy,
• przetwarzanie danych tekstowych.

Python i uczenie maszynowe: programowanie do zadań specjalnych!

Powyższy opis pochodzi od wydawcy.