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, ebooki, kursy video z kategorii: Uczenie maszynowe dostępne w księgarni Helion
-
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
-
Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku
-
Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP
-
Potoki danych. Leksykon kieszonkowy. Przenoszenie i przetwarzanie danych na potrzeby ich analizy
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
-
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
-
Podręcznik architekta rozwiązań. Poznaj reguły oraz strategie projektu architektury i rozpocznij niezwykłą karierę. Wydanie II
-
Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych
-
Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
-
Matematyka w uczeniu maszynowym
-
Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy
-
Deep Learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona
-
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
-
Sztuczna inteligencja w finansach. Używaj języka Python do projektowania i wdrażania algorytmów AI
-
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
-
Deep learning dla programistów. Budowanie aplikacji AI za pomocą fastai i PyTorch
-
Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego
-
Człowiek na rozdrożu. Sztuczna inteligencja 25 punktów widzenia
-
Uczenie maszynowe. Elementy matematyki w analizie danych
-
Głębokie uczenie przez wzmacnianie. Praca z chatbotami oraz robotyka, optymalizacja dyskretna i automatyzacja sieciowa w praktyce. Wydanie II
-
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
-
Głębokie uczenie. Wprowadzenie
-
Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji
-
TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach
-
Machine Learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek
-
Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego
-
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
-
Uczenie głębokie od zera. Podstawy implementacji w Pythonie
-
Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i grania
-
Matematyka dyskretna dla praktyków. Algorytmy i uczenie maszynowe 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
-
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
-
Uczenie maszynowe w Pythonie dla każdego
-
Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych
-
Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa
-
Konwolucyjne sieci neuronowe. Kurs video. Tensorflow i Keras w rozpoznawaniu obrazów
-
Deep Learning. Praca z językiem Python i biblioteką Keras
-
Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego
-
Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe
-
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
-
AI bez tajemnic. Sztuczna Inteligencja od podstaw po zaawansowane techniki
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
Niedostępna
-
Python. Uczenie maszynowe. Wydanie II
Czasowo niedostępna
-
Uczenie maszynowe w Pythonie. Receptury
-
Sztuczna inteligencja na froncie. Kurs video. Uczenie maszynowe w JavaScript
-
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
Niedostępna
-
TensorFlow. 13 praktycznych projektów wykorzystujących uczenie maszynowe
Niedostępna
-
Deep Learning. Receptury
Czasowo niedostępna
-
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
Niedostępna
-
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
Niedostępna
-
Deep Learning. Praktyczne wprowadzenie
Czasowo niedostępna
-
Algorytmy uczenia maszynowego. Zaawansowane techniki implementacji
Niedostępna
-
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
Niedostępna
-
Zwinna analiza danych. Apache Hadoop dla każdego
Niedostępna
-
Zaawansowane uczenie maszynowe z językiem Python
-
Uczenie maszynowe dla programistów
-
Uczenie maszynowe: Scikit-Learn, Keras i TensorFlow. Szczegółowy poradnik
-
Zostań Milionerem z ChatGPT. Prosty przewodnik jak osiągnąć sukces w każdej branży za pomocą sztucznej inteligencji
-
The Machine Learning Solutions Architect Handbook. Practical strategies and best practices on the ML lifecycle, system design, MLOps, and generative AI - Second Edition
-
Aplikacje ChatGPT. Wejdź na wyższy poziom z inteligentnymi programami - generatory, boty i wiele innych!
-
Bayesian Analysis with Python. A practical guide to probabilistic modeling - Third Edition
-
AWS Certified Machine Learning - Specialty (MLS-C01) Certification Guide. The ultimate guide to passing the MLS-C01 exam on your first attempt - Second Edition
-
Active Machine Learning with Python. Refine and elevate data quality over quantity with active learning
-
Deep Learning for Time Series Cookbook. Use PyTorch and Python recipes for forecasting, classification, and anomaly detection
-
Machine Learning: Make Your Own Recommender System. Build Your Recommender System with Machine Learning Insights
-
Machine Learning with Python. Unlocking AI Potential with Python and Machine Learning
-
Effective Machine Learning Teams
-
Hands-On Entity Resolution
-
Data Labeling in Machine Learning with Python. Explore modern ways to prepare labeled data for training and fine-tuning ML and generative AI models
-
Machine Learning Infrastructure and Best Practices for Software Engineers. Take your machine learning software from a prototype to a fully fledged software system
-
MLOps with Red Hat OpenShift. A cloud-native approach to machine learning operations
-
MATLAB for Machine Learning. Unlock the power of deep learning for swift and enhanced results - Second Edition
-
Deep Learning for Finance
-
Deep Learning with MXNet Cookbook. Discover an extensive collection of recipes for creating and implementing AI models on MXNet
-
Machine Learning Security with Azure. Best practices for assessing, securing, and monitoring Azure Machine Learning workloads
-
Practical Guide to Applied Conformal Prediction in Python. Learn and apply the best uncertainty frameworks to your industry applications
-
Interpretable Machine Learning with Python. Build explainable, fair, and robust high-performance models with hands-on, real-world examples - Second Edition
-
Implementing MLOps in the Enterprise
-
Machine Learning Interviews
-
TinyML Cookbook. Combine machine learning with microcontrollers to solve real-world problems - Second Edition
-
TensorFlow Developer Certificate Guide. Efficiently tackle deep learning and ML problems to ace the Developer Certificate exam
-
Machine Learning for Emotion Analysis in Python. Build AI-powered tools for analyzing emotion using natural language processing and machine learning
-
Training Data for Machine Learning
-
Machine Learning with Qlik Sense. Utilize different machine learning models in practical use cases by leveraging Qlik Sense
-
The Statistics and Machine Learning with R Workshop. Unlock the power of efficient data science modeling with this hands-on guide
-
Delta Lake: Up and Running
-
Probabilistic Machine Learning for Finance and Investing
-
Architecting Data and Machine Learning Platforms
-
Machine Learning with LightGBM and Python. A practitioner's guide to developing production-ready machine learning systems
-
Praktyczne uczenie maszynowe w języku R
-
Debugging Machine Learning Models with Python. Develop high-performance, low-bias, and explainable machine learning and deep learning models
-
Machine Learning Engineering with Python. Manage the lifecycle of machine learning models using MLOps with practical examples - Second Edition
-
Graph-Powered Analytics and Machine Learning with TigerGraph
-
Zaufanie do systemów sztucznej inteligencji
-
Data Augmentation with Python. Enhance deep learning accuracy with data augmentation methods for image, text, audio, and tabular data
-
Machine Learning for High-Risk Applications
-
Computer Vision on AWS. Build and deploy real-world CV solutions with Amazon Rekognition, Lookout for Vision, and SageMaker
-
Scaling Machine Learning with Spark
-
Applied Geospatial Data Science with Python. Leverage geospatial data analysis and modeling to find unique solutions to environmental problems
-
The Kaggle Workbook. Self-learning exercises and valuable insights for Kaggle data science competitions
-
Democratizing Application Development with Betty Blocks. Build powerful applications that impact business immediately with no-code app development
-
Practicing Trustworthy Machine Learning
-
Transforming Healthcare with DevOps. A practical DevOps4Care guide to embracing the complexity of digital transformation
-
Applied Machine Learning and AI for Engineers
-
Wzorce projektowe uczenia maszynowego. Rozwiązania typowych problemów dotyczących przygotowania danych, konstruowania modeli i MLOps
-
Quantum Machine Learning and Optimisation in Finance. On the Road to Quantum Advantage
-
Designing Machine Learning Systems
-
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
-
Dylemat sztucznej inteligencji. 7 zasad odpowiedzialnego tworzenia technologii
-
Projektowanie głosowych interfejsów użytkownika. Zasady doświadczeń konwersacyjnych
Niedostępna
-
Python. Uczenie maszynowe
Czasowo niedostępna
-
Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie
Niedostępna
-
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow
Niedostępna
-
Deep Learning. Praca z językiem R i biblioteką Keras
Niedostępna
-
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
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.