Pomoc Live Chat OD O,OOZŁ
Koszyk
ODBIERZ TWÓJ BONUS :: »
Książki Ebooki Kursy video Audiobooki Promocje Nowości Bestsellery Darmowe ebooki
Pobierz aplikację Bony Podaruj prezent

TOP tytuł w super cenie » 50% taniej

Uczenie maszynowe z użyciem Scikit-Learn i PyTorch. Koncepcje, narzędzia i techniki umożliwiające konstruowanie inteligentnych systemów Aurélien Géron

(ebook) (audiobook) (audiobook)
Uczenie maszynowe z użyciem Scikit-Learn i PyTorch. Koncepcje, narzędzia i techniki umożliwiające konstruowanie inteligentnych systemów Aurélien Géron - okladka książki

Uczenie maszynowe z użyciem Scikit-Learn i PyTorch. Koncepcje, narzędzia i techniki umożliwiające konstruowanie inteligentnych systemów Aurélien Géron - okladka książki

Uczenie maszynowe z użyciem Scikit-Learn i PyTorch. Koncepcje, narzędzia i techniki umożliwiające konstruowanie inteligentnych systemów Aurélien Géron - audiobook MP3

Uczenie maszynowe z użyciem Scikit-Learn i PyTorch. Koncepcje, narzędzia i techniki umożliwiające konstruowanie inteligentnych systemów Aurélien Géron - audiobook CD

Zajrzyj do książki

Autor:
Aurélien Géron
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Stron:
816
Druk:
oprawa miękka
Dostępny format:
     PDF
Czytaj fragment
Książka
139,30 zł 199,00 zł (-30%)
139,30 zł najniższa cena z 30 dni

Dodaj do koszyka Darmowa dostawa od 60,00 zł Do darmowej dostawy brakuje Ci 0,00 zł Najtańsza dostawa od 9,90 zł Gratulujemy! Twoje zamówienie kwalifikuje się do darmowej wysyłki

Przedsprzedaż Realizacja zamówień od 2026-08-04

Powiadom mnie, gdy książka będzie dostępna

Wysyłamy towar w ciągu 24h licząc od dnia premiery
Ebook
99,50 zł 199,00 zł (-50%)
101,49 zł najniższa cena z 30 dni
(2za1 » dobierz ebook GRATIS)

Dodaj do koszyka Early Release Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Early Release

Grafika Early Release

Uwaga! Ebook w usłudze Early Release – pełna wersja przed premierą. Otrzymujesz natychmiastowy dostęp do 100% ukończonej i zredagowanej książki, zanim trafi ona do ogólnopolskiej sprzedaży. Zyskujesz wiedzę jako pierwszy!

Więcej

Czego się nauczysz?

  • Rozpoznawania typów problemów i podejść w uczeniu maszynowym (nadzorowane, nienadzorowane, wsadowe, przyrostowe)
  • Planowania kompletnego projektu ML: od definicji celu i metryk po wdrożenie, monitoring i utrzymanie
  • Przygotowywania danych do modeli w Scikit-Learn: czyszczenia, kodowania kategorii, skalowania i budowy potoków (pipelines)
  • Dobierania modeli oraz strojenia hiperparametrów z użyciem walidacji krzyżowej, Grid Search i Random Search
  • Oceniania klasyfikatorów za pomocą macierzy pomyłek, precyzji, pełności oraz krzywych ROC
  • Trenowania modeli regresyjnych i klasyfikacyjnych: regresji liniowej, logistycznej oraz metod regularyzacji (Ridge, LASSO, Elastic Net, early stopping)
  • Budowania i interpretowania drzew decyzyjnych oraz kontrolowania ich złożoności i wariancji
  • Stosowania metod zespołowych: baggingu, lasów losowych, Extra-Trees oraz boostingów (AdaBoost, Gradient Boosting)
  • Redukowania wymiarowości i wizualizacji danych przy użyciu PCA, rzutowań losowych i metod rozmaitościowych (LLE)
  • Wykorzystywania uczenia nienadzorowanego: klasteryzacji (k-średnich, DBSCAN) oraz mieszanin gaussowskich do detekcji anomalii
  • Implementowania i trenowania sieci neuronowych w PyTorch z użyciem tensorów, autograd i DataLoader
  • Projektowania stabilnego treningu głębokich sieci: inicjalizacji wag, normalizacji, obcinania gradientu, regularyzacji i harmonogramów learning rate
  • Budowania modeli widzenia komputerowego z CNN: klasyfikacji, lokalizacji, detekcji obiektów (YOLO) i segmentacji semantycznej
  • Modelowania sekwencji i szeregów czasowych z użyciem sieci RNN oraz technik obsługi długich zależności
  • Tworzenia rozwiązań NLP z mechanizmami uwagi i bibliotekami Hugging Face: tokenizacji, fine-tuningu i inferencji
  • Konstruowania i dostrajania transformerów oraz przyspieszania ich działania: od BERT/GPT i czatbotów (SFT, RLHF, DPO) po PEFT, mieszaną precyzję i kwantyzację

Uczenie maszynowe i sztuczna inteligencja to dziś najgorętsze tematy w branży IT. Od ChatGPT po autonomiczne pojazdy technologie AI przekształcają każdą dziedzinę przemysłu. Popyt na specjalistów ML rośnie wykładniczo, a umiejętność budowania i wdrażania modeli uczenia maszynowego stała się poszukiwaną na rynku kompetencją potencjalnych pracowników. Ta książka to kompleksowy przewodnik po świecie uczenia maszynowego z wykorzystaniem najpopularniejszych narzędzi: Scikit-Learn do klasycznych algorytmów ML i PyTorch wiodącej biblioteki do uczenia głębokiego.

Książka prowadzi czytelnika od podstaw uczenia maszynowego do zaawansowanych technik uczenia głębokiego. Część pierwsza obejmuje fundamenty ML: przygotowanie danych, wybór i trenowanie modeli, algorytmy klasyfikacji i regresji, drzewa decyzyjne, lasy losowe, techniki redukcji wymiarowości. Druga jest poświęcona sieciom neuronowym i uczeniu głębokiemu w PyTorch: od podstawowych perceptronów, przez sieci splotowe do widzenia komputerowego, sieci rekurencyjne do przetwarzania sekwencji, aż po transformatory architekturę stojącą za współczesnymi asystentami AI. Każdy rozdział zawiera praktyczne przykłady w postaci notatników Jupyter, gotowe do uruchomienia w Google Colab.

W książce:

  • Kompletny projekt ML
  • Klasyczne algorytmy
  • Sieci neuronowe w PyTorch
  • CNN do widzenia komputerowego i wykrywania obiektów
  • Transformatory do NLP
  • Uczenie przez wzmacnianie i generatywne modele AI
  • Transfer learning, kwantyzacja, przyspieszanie modeli

Od podstaw do transformatorów praktyczny przewodnik po ML i AI

Książka ta wychowała nowe pokolenie praktyków uczenia maszynowego. Została znakomicie zaktualizowana, aby uwzględnić PyTorch, i ponownie staje się najważniejszym praktycznym przewodnikiem w tej dziedzinie.

Tarun Narayanan, inżynier uczenia maszynowego w Amazon AGI

Geron trafia w sedno: praktyczne implementacje w Scikit-Learn i PyTorch, które uczą koncepcji, równoważone teorią, która wyjaśnia, zamiast przytłaczać.

Ulf Bissbort, dyrektor do spraw technicznych i współzałożyciel ZefHub

Książka ta jest prawdziwą biblią dla początkujących w dziedzinie uczenia maszynowego.

Haesun Park, laureatka programu Microsoft AI MVP

Wybrane bestsellery

Selling helion.pl

O autorze książki

Aurélien Géron - jest konsultantem do spraw uczenia maszynowego. Wcześniej pracował w korporacji Google, a w latach 2013 – 2016 kierował zespołem klasyfikowania filmów w firmie YouTube. Był również założycielem i dyrektorem do spraw technicznych (w latach 2002 – 2012) w firmie Wifirst — czołowym francuskim dostawcy bezprzewodowych usług internetowych; te same funkcje pełnił w 2001 roku w firmie Polyconseil — obecnie zarządza ona usługą udostępniania samochodów elektrycznych Autolib’.

Aurélien Géron - pozostałe książki

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy w książce znajdę praktyczny kod, który mogę od razu uruchomić?
Tak. Rozdziały zawierają przykłady w notatnikach Jupyter gotowych do uruchomienia w Google Colab, co ułatwia naukę bez lokalnej konfiguracji.
2. Jakie narzędzia i biblioteki są omawiane w praktyce?
Dwie główne: Scikit-Learn do klasycznych algorytmów ML (klasyfikacja, regresja, drzewa, zespoły, redukcja wymiarowości) oraz PyTorch do sieci neuronowych i uczenia głębokiego.
3. Czy książka prowadzi przez cały proces tworzenia modelu od danych do wdrożenia?
Tak. Zawiera pełny projekt ML: pozyskanie danych, eksplorację i wizualizację, przygotowanie cech, trening, walidację (np. cross-validation), strojenie hiperparametrów oraz uruchomienie, monitorowanie i utrzymanie systemu.
4. Czy oprócz podstaw są też nowoczesne tematy, takie jak transformatory i LLM-y?
Tak. Omawia transformatory w NLP i czatbotach (BERT/GPT), a także zagadnienia związane z dostrajaniem (m.in. SFT, RLHF, DPO) i przyspieszaniem transformatorów.
5. Czy znajdę tu rozdziały o widzeniu komputerowym i detekcji obiektów?
Tak. Są sieci splotowe (CNN), architektury typu ResNet, użycie TorchVision, a także wykrywanie obiektów (np. YOLO), śledzenie oraz segmentacja semantyczna.
6. Czy książka porusza generatywne modele AI i uczenie przez wzmacnianie?
Tak. Zawiera autokodery, GAN-y i modele dyfuzyjne, a także uczenie przez wzmacnianie (m.in. Gymnasium, DQN, PPO/Stable-Baselines3).
7. Czy autor pokazuje, jak przyspieszać modele i przygotować je do użycia produkcyjnego?
Tak. Są tematy takie jak transfer learning, kompilacja i optymalizacja modeli w PyTorch, mieszana precyzja, kwantyzacja (także dla dużych modeli językowych) oraz techniki przyspieszania transformerów (np. FlashAttention, cache KV).

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
139,30 zł
Przedsprzedaż - realizacja zamówień od 2026-08-04
Dodaj do koszyka
Ebook
99,50 zł
Dodaj do koszyka

Wydawnictwo Naukowe Helion »

Grafika Wydawnictwo Naukowe Helion. Dołącz do nas!
Zamknij Pobierz aplikację mobilną Ebookpoint