Uczenie maszynowe - ebooki
Ebooki z kategorii: Uczenie maszynowe dostępne w księgarni Helion
-
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
-
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
-
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
-
Sztuczna inteligencja od podstaw
-
Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
-
Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku
-
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
-
Deep learning dla programistów. Budowanie aplikacji AI za pomocą fastai i PyTorch
-
Matematyka w uczeniu maszynowym
-
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
-
Deep Learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona
Czasowo niedostępna
-
Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP
-
Podręcznik architekta rozwiązań. Poznaj reguły oraz strategie projektu architektury i rozpocznij niezwykłą karierę. Wydanie II
-
Człowiek na rozdrożu. Sztuczna inteligencja 25 punktów widzenia
-
Deep learning z TensorFlow 2 i Keras dla zaawansowanych. Sieci GAN i VAE, deep RL, uczenie nienadzorowane, wykrywanie i segmentacja obiektów i nie tylko. Wydanie II
-
AI bez tajemnic. Sztuczna Inteligencja od podstaw po zaawansowane techniki
-
Sztuczna inteligencja w finansach. Używaj języka Python do projektowania i wdrażania algorytmów AI
-
Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego
-
Deep Learning. Praca z językiem Python i biblioteką Keras
-
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
-
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
-
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
-
Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i grania
-
Potoki danych. Leksykon kieszonkowy. Przenoszenie i przetwarzanie danych na potrzeby ich analizy
-
Uczenie maszynowe w Pythonie dla każdego
-
Głębokie uczenie. Wprowadzenie
-
Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji
-
Głębokie uczenie przez wzmacnianie. Praca z chatbotami oraz robotyka, optymalizacja dyskretna i automatyzacja sieciowa w praktyce. Wydanie II
-
Uczenie maszynowe. Elementy matematyki w analizie danych
-
Aplikacje ChatGPT. Wejdź na wyższy poziom z inteligentnymi programami - generatory, boty i wiele innych!
-
TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
-
Zostań Milionerem z ChatGPT. Prosty przewodnik jak osiągnąć sukces w każdej branży za pomocą sztucznej inteligencji
-
Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa
-
Dylemat sztucznej inteligencji. 7 zasad odpowiedzialnego tworzenia technologii
-
Uczenie głębokie od zera. Podstawy implementacji w Pythonie
-
Machine learning, Python i data science. Wprowadzenie
-
Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego
-
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
-
Projektowanie głosowych interfejsów użytkownika. Zasady doświadczeń konwersacyjnych
Niedostępna
-
Generative Deep Learning. 2nd Edition
-
Matematyka dyskretna dla praktyków. Algorytmy i uczenie maszynowe w Pythonie
-
Uczenie maszynowe: Scikit-Learn, Keras i TensorFlow. Szczegółowy poradnik
-
Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe
-
Deep Learning. Receptury
Czasowo niedostępna
-
Przetwarzanie języka naturalnego w akcji
-
Architecting Data and Machine Learning Platforms
-
Praktyczne uczenie maszynowe w języku R
-
Python. Uczenie maszynowe
Czasowo niedostępna
-
Uczenie maszynowe w Pythonie. Receptury
-
Python. Uczenie maszynowe. Wydanie II
Czasowo niedostępna
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
Niedostępna
-
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
Niedostępna
-
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
Niedostępna
-
Algorytmy uczenia maszynowego. Zaawansowane techniki implementacji
Niedostępna
-
Deep Learning
-
Machine Learning Design Patterns
-
Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego
-
Uczenie maszynowe dla programistów
-
Interpretable Machine Learning with Python. Build explainable, fair, and robust high-performance models with hands-on, real-world examples - Second Edition
-
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 3rd Edition
-
Designing Machine Learning Systems
-
Transformers for Natural Language Processing. Build, train, and fine-tune deep neural network architectures for NLP with Python, Hugging Face, and OpenAI's GPT-3, ChatGPT, and GPT-4 - Second Edition
-
Uczenie maszynowe na Raspberry Pi
-
The Machine Learning Solutions Architect Handbook. Practical strategies and best practices on the ML lifecycle, system design, MLOps, and generative AI - Second Edition
-
Effective Machine Learning Teams
-
Implementing MLOps in the Enterprise
-
TinyML Cookbook. Combine machine learning with microcontrollers to solve real-world problems - Second Edition
-
Machine Learning for Emotion Analysis in Python. Build AI-powered tools for analyzing emotion using natural language processing and machine learning
-
The Kaggle Book. Data analysis and machine learning for competitive data science
-
The Deep Learning Workshop. Learn the skills you need to develop your own next-generation deep learning models with TensorFlow and Keras
-
The Deep Learning with Keras Workshop. Learn how to define and train neural network models with just a few lines of code
-
The Unsupervised Learning Workshop. Get started with unsupervised learning algorithms and simplify your unorganized data to help make future predictions
-
The Machine Learning Workshop. Get ready to develop your own high-performance machine learning algorithms with scikit-learn - Second Edition
-
The Supervised Learning Workshop. Predict outcomes from data by building your own powerful predictive models with machine learning in Python - Second Edition
-
Python Artificial Intelligence Projects for Beginners. Get up and running with Artificial Intelligence using 8 smart and exciting AI applications
-
Artificial Intelligence By Example. Develop machine intelligence from scratch using real artificial intelligence use cases
-
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
-
Wzorce projektowe uczenia maszynowego. Rozwiązania typowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps
-
Bayesian Analysis with Python. A practical guide to probabilistic modeling - Third Edition
-
Praktyczne uczenie maszynowe
-
Praktyczne uczenie nienadzorowane przy użyciu języka Python
-
AWS Certified Machine Learning - Specialty (MLS-C01) Certification Guide. The ultimate guide to passing the MLS-C01 exam on your first attempt - Second Edition
-
TensorFlow Developer Certificate Guide. Efficiently tackle deep learning and ML problems to ace the Developer Certificate exam
-
Python w uczeniu maszynowym
-
Hands-On Image Processing with Python. Expert techniques for advanced image analysis and effective interpretation of image data
-
Probabilistic Machine Learning for Finance and Investing
-
Machine Learning with PyTorch and Scikit-Learn. Develop machine learning and deep learning models with Python
-
Machine Learning Using TensorFlow Cookbook. Create powerful machine learning algorithms with TensorFlow
-
Programming PyTorch for Deep Learning. Creating and Deploying Deep Learning Applications
-
Natural Language Processing with PyTorch. Build Intelligent Language Applications Using Deep Learning
-
Data Science i uczenie maszynowe
-
Wprowadzenie do uczenia maszynowego według Esposito
-
Natural Language Processing with Transformers, Revised Edition
-
Deep Learning with fastai Cookbook. Leverage the easy-to-use fastai framework to unlock the power of deep learning
-
Machine Learning Engineering with MLflow. Manage the end-to-end machine learning life cycle with MLflow
-
Practical Guide to Applied Conformal Prediction in Python. Learn and apply the best uncertainty frameworks to your industry applications
-
Zaufanie do systemów sztucznej inteligencji
-
The TensorFlow Workshop. A hands-on guide to building deep learning models from scratch using real-world datasets
-
Machine Learning for Financial Risk Management with Python
-
PyTorch Pocket Reference
-
Hands-On Machine Learning with ML.NET. Getting started with Microsoft ML.NET to implement popular machine learning algorithms in C#
-
Machine Learning for OpenCV 4. Intelligent algorithms for building image processing apps using OpenCV 4, Python, and scikit-learn - Second Edition
-
Hands-On Q-Learning with Python. Practical Q-learning with OpenAI Gym, Keras, and TensorFlow
-
Building Computer Vision Projects with OpenCV 4 and C++. Implement complex computer vision algorithms and explore deep learning and face detection
-
Inteligentna sieć. Algorytmy przyszłości. Wydanie II
Czasowo niedostępna
-
Accelerate Model Training with PyTorch 2.X. Build more accurate models by boosting the model training process
-
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
Niedostępna
-
Zwinna analiza danych. Apache Hadoop dla każdego
Niedostępna
-
Deep Learning. Praktyczne wprowadzenie
Czasowo niedostępna
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow
Niedostępna
-
Deep Learning. Praca z językiem R i biblioteką Keras
Niedostępna
-
Zaawansowane uczenie maszynowe z językiem Python
Niedostępna
-
TensorFlow. 13 praktycznych projektów wykorzystujących uczenie maszynowe
Niedostępna
-
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
Niedostępna
-
Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie
Niedostępna
-
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
-
Privacy-Preserving Machine Learning. A use-case-driven approach to building and protecting ML pipelines from privacy and security threats
-
Databricks ML in Action. Learn how Databricks supports the entire ML lifecycle end to end from data ingestion to the model deployment