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.
Uczenie maszynowe - książki
Książki, ebooki, audiobooki, kursy video z kategorii: Uczenie maszynowe dostępne w księgarni Helion
-
Matematyka w uczeniu maszynowym. Opanuj algebrę liniową, rachunek różniczkowy i całkowy oraz rachunek prawdopodobieństwa
-
Grafowe sieci neuronowe. Teoria i praktyka
-
Druk
-
PDF + ePub + Mobi
-
-
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
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
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
-
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
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
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
-
TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
-
Matematyka dyskretna dla praktyków. Algorytmy i uczenie maszynowe w Pythonie
-
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
Niedostępna
-
Druk
-
PDF
-
-
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 głębokie od zera. Podstawy implementacji w Pythonie
-
Człowiek na rozdrożu. Sztuczna inteligencja 25 punktów widzenia
-
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
-
Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
-
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
-
-
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Deep Learning. Praca z językiem Python i biblioteką Keras
-
Deep Learning. Praca z językiem R i biblioteką Keras
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie maszynowe w Pythonie. Receptury
-
Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Deep Learning. Praktyczne wprowadzenie
-
Inteligentna sieć. Algorytmy przyszłości. Wydanie II
-
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Zwinna analiza danych. Apache Hadoop dla każdego
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie maszynowe dla programistów
-
Uczenie maszynowe i systemy rozproszone
-
PDF
-
-
Model Context Protocol for LLMs. Build scalable multi-agent AI systems with LangChain, AutoGen, and the MCP open standard
-
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
-
Machine Learning Hero. Master Data Science with Python Essentials
-
Natural Language Processing with Python. Master text processing, language modeling, and NLP applications with Python's powerful tools
-
Generative AI Essentials
-
Statistics for Data Scientists and Analysts
-
Data Science Essentials with R
-
Applied Deep Learning on Graphs. Leverage graph data for business applications using specialized deep learning architectures
-
Machine Learning Interview Guide
-
Generative AI for Financial Services
-
Before Machine Learning Volume 2 - Calculus for A.I. The Fundamental Mathematics for Data Science and Artificial Intelligence
-
Prompt Engineering for LLMs
-
Apache Spark for Machine Learning. Build and deploy high-performance big data AI solutions for large-scale clusters
-
Data Engineering for AI/ML Pipelines
-
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
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
-
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
TensorFlow. 13 praktycznych projektów wykorzystujących uczenie maszynowe
Niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Python. Uczenie maszynowe. Wydanie II
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Python. Uczenie maszynowe
Czasowo niedostępna
-
Druk
-
PDF + ePub + Mobi
-
-
Zaawansowane uczenie maszynowe z językiem Python
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.

