Uczenie maszynowe stanowi jeden z najbardziej fascynujących i dynamicznie rozwijających się obszarów technologii informatycznej. W księgarni internetowej helion.pl oferujemy szeroki zakres książek oraz kursów video, które pomogą Ci zgłębić tajniki tej dziedziny.
Książki o uczeniu maszynowym dla początkujących i zaawansowanych - książki
Książki, ebooki, audiobooki, kursy video z kategorii: Uczenie maszynowe dostępne w księgarni Helion
-
Dlaczego maszyny się uczą? O pięknie matematyki i działaniu współczesnej sztucznej inteligencji
-
Matematyka w uczeniu maszynowym. Opanuj algebrę liniową, rachunek różniczkowy i całkowy oraz rachunek prawdopodobieństwa
-
Grafowe sieci neuronowe. Teoria i praktyka
-
Python. Uczenie maszynowe w przykładach. Najlepsze praktyki w realnych zastosowaniach. Wydanie IV
-
Projektowanie aplikacji LLM. Holistyczne podejście do dużych modeli językowych
-
Uczenie przez wzmacnianie w finansach. Wprowadzenie z wykorzystaniem Pythona
-
Zaawansowane techniki przetwarzania języka naturalnego. Od podstaw do modeli LLM i zastosowań biznesowych w Pythonie
-
Analityka rozszerzona. Automatyzacja i sztuczna inteligencja w podejmowaniu decyzji
-
Matematyka i sztuczna inteligencja. Kluczowe koncepcje zwiększania skuteczności i wydajności systemów
-
Data science, wyzwania i rozwiązania. Jak zostać ekspertem analizy danych
-
Nowoczesne architektury danych. Przewodnik po hurtowni danych, siatce danych oraz Data Fabric i Data Lakehouse
-
Matematyka w deep learningu. Co musisz wiedzieć, aby zrozumieć sieci neuronowe
-
Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej
-
Spark. Rozproszone uczenie maszynowe na dużą skalę. Jak korzystać z MLlib, TensorFlow i PyTorch
-
Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV
-
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
-
Dylemat sztucznej inteligencji. 7 zasad odpowiedzialnego tworzenia technologii
-
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
-
Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku
-
Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym
-
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
-
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
-
Potoki danych. Leksykon kieszonkowy. Przenoszenie i przetwarzanie danych na potrzeby ich analizy
-
Sztuczna inteligencja od podstaw
-
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
-
Uczenie maszynowe. Elementy matematyki w analizie danych
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
-
Deep Learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona
-
Matematyka w uczeniu maszynowym
-
Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego
-
Głębokie uczenie. Wprowadzenie
-
Głębokie uczenie przez wzmacnianie. Praca z chatbotami oraz robotyka, optymalizacja dyskretna i automatyzacja sieciowa w praktyce. Wydanie II
-
Sztuczna inteligencja w finansach. Używaj języka Python do projektowania i wdrażania algorytmów AI
-
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
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
-
Matematyka dyskretna dla praktyków. Algorytmy i uczenie maszynowe w Pythonie
-
Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
-
Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego
-
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
-
Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i grania
-
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
-
Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji
-
Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie głębokie od zera. Podstawy implementacji w Pythonie
-
Człowiek na rozdrożu. Sztuczna inteligencja 25 punktów widzenia
-
TensorFlow. 13 praktycznych projektów wykorzystujących uczenie maszynowe
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
-
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
-
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Python. Uczenie maszynowe. Wydanie II
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Deep Learning. Praca z językiem Python i biblioteką Keras
-
Uczenie maszynowe w Pythonie. Receptury
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Deep Learning. Praktyczne wprowadzenie
-
Python. Uczenie maszynowe
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Inteligentna sieć. Algorytmy przyszłości. Wydanie II
-
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie maszynowe dla programistów
-
Soccer Analytics with Machine Learning. Learning Predictive Modeling Techniques with Sports Data
-
Machine Learning for Time Series with Python. Use Python to forecast, predict, and detect anomalies with state-of-the-art machine learning methods - Second Edition
-
Machine Learning Engineering on AWS. Build, deploy, and operationalize LLMs, AI agents, and generative AI systems on AWS - Second Edition
-
Time Series with PyTorch. Modern Deep Learning Toolkit for Real-World Forecasting Challenges
-
The New Quantum Era. An Outsider's Introduction
-
Large Language Models: The Hard Parts. Open Source AI Solutions for Common Pitfalls
-
Machines That Think. How Artificial Intelligence Works and What It Means for Us
-
Learning AutoML. Automating ML Pipelines with AutoGluon, Leading Frameworks, and Real-World Integration
-
Uczenie maszynowe i systemy rozproszone
-
PDF
-
-
Modern Time Series Forecasting with Python
-
Model Context Protocol for LLMs. Build secure, scalable, and context-aware AI agents using a standardized protocol
-
Maszyna myśląca. Jensen Huang, Nvidia i najbardziej pożądany chip na świecie
-
Platform Engineering for Artificial Intelligence
-
Big Data in Practice
-
Mastering Azure
-
Building Natural Language and LLM Pipelines. Build production-grade RAG, tool contracts, and context engineering with Haystack and LangGraph
-
Learn AI with Python - 2nd Edition
-
Production Development with DeepSeek
-
NumPy, Pandas, and Scikit-learn Masterclass
-
AI-Native LLM Security. Threats, defenses, and best practices for building safe and trustworthy AI
-
Cloud Native Geospatial Analytics with Apache Sedona. A Hands-On Guide for Working with Large-Scale Spatial Data
-
Data Science for Healthcare
-
Building Machine Learning Systems with a Feature Store. Batch, Real-Time, and LLM Systems
-
AWS Certified ML Specialty Guide
-
Hands-On Machine Learning with Scikit-Learn and PyTorch. Concepts, Tools, and Techniques to Build Intelligent Systems
-
Securing the Digital Frontier
-
Microsoft 365 All-in-one Guide
-
Data Engineering with AWS
-
Quantum Computing Concepts
-
Architecting Data Solutions with Snowflake
-
Scaling Graph Learning for the Enterprise. Production-Ready Graph Learning and Inference
-
Artificial Intelligence. Ethical, social, and security impacts for the present and the future
-
Graph Machine Learning. Learn about the latest advancements in graph data to build robust machine learning models - Second Edition
-
LLMOps. Managing Large Language Models in Production
-
Model Context Protocol. Master the integration of AI Agents and Model Context Protocol with real-world applications
-
High-performance Algorithmic Trading using Machine Learning
-
Python For Engineering and Scientific Computing. Practical Applications with NumPy, SciPy, Matplotlib, and More
-
Applied TinyML
-
AI and ML for Coders
-
Mathematics of Machine Learning. Master linear algebra, calculus, and probability for machine learning
-
Biblia AI. Sztuczna Inteligencja jako Twój osobisty asystent w każdym aspekcie życia
-
PDF + ePub + Mobi
-
-
Hands-On Machine Learning with C++. Build, train, and deploy end-to-end machine learning and deep learning pipelines - Second Edition
-
Before Machine Learning Volume 3 - Probability and Statistics for A.I . Master Probability, Statistics, and Their Role in AI's Future Evolution
-
Machine Learning Hero. Master Data Science with Python Essentials
-
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
Niedostępna
-
Druk
-
PDF
-
-
Deep learning dla programistów. Budowanie aplikacji AI za pomocą fastai i PyTorch
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Machine learning, Python i data science. Wprowadzenie
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Projektowanie głosowych interfejsów użytkownika. Zasady doświadczeń konwersacyjnych
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Algorytmy uczenia maszynowego. Zaawansowane techniki implementacji
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Deep Learning. Receptury
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Deep Learning. Praca z językiem R i biblioteką Keras
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Zaawansowane uczenie maszynowe z językiem Python
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Zwinna analiza danych. Apache Hadoop dla każdego
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
Jakie książki pozwolą na praktyczną naukę uczenia maszynowego?
Zastanawiasz się czym jest Uczenie Maszynowe (Machine Learning)? To technika programowania komputerów, które uczą się wykonywać określone zadania na podstawie ogromnych ilości zebranych danych. W wielu przypadkach to rozwiązanie sprawdza się znacznie lepiej niż tradycyjne metody programowania, szczególnie w obszarach, gdzie trudno jest sformułować jasne reguły decyzyjne. Jeśli szukasz praktycznych przykładów uczenia maszynowego, to książki z tej kategorii oferują wiele case studies i analiz. Nasza oferta obejmuje różnorodne książki, które skupiają się na wszystkich najważniejszych aspektach uczenia maszynowego.
Uczenie maszynowe jak zacząć? – książki dla początkujących
Jeśli dopiero zaczynasz swoją przygodę z tą dziedziną, polecamy książkę "Jak projektować systemy uczenia maszynowego”, która omawia temat uczenia maszynowego od podstaw. Znajdziesz tu także praktyczne poradniki, takie jak "Uczenie maszynowe dla programistów" czy „Uczenie głębokie od zera”, które krok po kroku pokażą Ci, jak zacząć przygodę z uczeniem maszynowym czy uczeniem głębokim. Książki te sprawnie wprowadzą Cię także w zagadnienia związane z metodami uczenia nadzorowanego i nienadzorowanego, omówią kluczowe algorytmy i dostarczą liczne przykłady uczenia maszynowego.
Uczenie maszynowe i Python: książki dla programistów
Jeśli Twoim językiem programowania jest Python, to mamy dla Ciebie wiele propozycji książek. Język ten idealnie nadaje się do programowania mechanizmów uczenia maszynowego. Znajdziesz tu takie książki jak „Uczenie maszynowe w Pythonie. Receptury” oraz „Machine learning, Python i data science. Wprowadzenie” czy „Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow”, dzięki którym dowiesz się jak korzystać z bibliotek takich jak scikit-learn czy TensorFlow, by efektywnie budować i trenować inteligentne modele.
Uczenie maszynowe a sztuczna inteligencja: książki dla zaawansowanych
Różnica między uczeniem maszynowym a sztuczną inteligencją jest często niejasna. W skrócie, sztuczna inteligencja to szeroki obszar informatyki skupiający się na tworzeniu inteligentnych systemów i maszyn, podczas gdy uczenie maszynowe to jedna z technik stosowanych w AI. Wiele osób interesuje się również sieciami neuronowymi, które stanowią podstawę dla głębokiego uczenia maszynowego - jednego z najgorętszych tematów w dziedzinie AI.
W naszej ofercie znajdziesz również książki opisujące różne algorytmy uczenia maszynowego, w tym drzewa decyzyjne, oraz metody uczenia maszynowego, takie jak uczenie nienadzorowane,
Nie ważne, czy jesteś początkującym entuzjastą czy doświadczonym programistą, nasza oferta obejmuje książki dla każdego. A jeśli preferujesz materiały w formie elektronicznej, nie zapomnij sprawdzić naszych książek w formacie PDF, EPUB czy MOBI.
Zachęcamy do odkrywania świata uczenia maszynowego poprzez nasze książki, które rozwijają umiejętności i otwierają drzwi do nowoczesnej analizy danych i sztucznej inteligencji.

