ODBIERZ TWÓJ BONUS :: »

Praktyczne uczenie maszynowe (ebook)(audiobook)(audiobook)

Okładka książki/ebooka Praktyczne uczenie maszynowe

Okładka książki Praktyczne uczenie maszynowe

Okładka książki Praktyczne uczenie maszynowe

Okładka książki Praktyczne uczenie maszynowe

Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
360
Druk:
oprawa miękka
2w1 w pakiecie:
     ePub
     Mobi

Książka

55,18 zł

Dodaj do koszyka

Ebook

89,00 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Ostatnia dekada to czas bezprecedensowego rozwoju sztucznej inteligencji nie tylko przełomowych badań nad algorytmami uczenia maszynowego, ale również coraz powszechniejszego stosowania inteligentnych maszyn w najróżniejszych dziedzinach naszego życia. Rozwój ten ogranicza niewystarczająca liczba specjalistów, łączących znajomość modelowania danych (przygotowania danych i zasad działania algorytmów uczenia maszynowego) ze znajomością języków analizy danych, takich jak SQL, R czy Python. Inżynieria danych (ang. data science) to interdyscyplinarna wiedza, której opanowanie wymaga znajomości algebry, geometrii, statystyki, rachunku prawdopodobieństwa i algorytmiki, uzupełnionej o praktyczną umiejętność programowania. Co więcej, sztuczna inteligencja jest przedmiotem intensywnych badań naukowych i samo śledzenie postępów w tej dziedzinie wiąże się z regularnym (codziennym) dokształcaniem. Niniejsza książka łączy w sobie teorię z praktyką. Opisuje rozwiązania kilkunastu typowych problemów, takich jak prognozowanie zysków, optymalizacja kampanii marketingowej, proaktywna konserwacja sprzętu czy oceny ryzyka kredytowego. Ich układ jest celowy każdy przykład jest okazją do wyjaśnienia określonych zagadnień, zaczynając od narzędzi, przez podstawy uczenia maszynowego, sposoby oceny jakości danych i ich przygotowania do dalszej analizy, zasady tworzenia modeli uczenia maszynowego i ich optymalizacji, po wskazówki dotyczące wdrożenia gotowych modeli do produkcji. Książka jest adresowana do wszystkich, którzy chcieliby poznać lub udoskonalić: praktyczną znajomość statystki i umiejętność wizualizacji danych niezbędnej do oceny jakości danych; praktyczną znajomość języka SQL, R lub Python niezbędnej do uporządkowania, wstępnego przygotowania i wzbogacenia danych; zasady działania poszczególnych algorytmów uczenia maszynowego koniecznych do ich wyboru i optymalizacji; korzystanie z języka R lub Python do stworzenia, oceny, zoptymalizowania i wdrożenia do produkcji modeli eksploracji danych. Zarówno studenci kierunków informatycznych, jak również analitycy, programiści, administratorzy baz danych oraz statystycy znajdą w książce informacje, które pozwolą im opanować praktyczne umiejętności potrzebne do samodzielnego tworzenia systemów uczenia maszynowego.

O autorze

1 Marcin Szeliga

Od 2006 roku wyróżniany tytułem Microsoft Most Valuable Professional w kategorii SQL. Konsultant, wykładowca, autoryzowany trener Microsoft z 10 letnim stażem i architekt systemów bazodanowych. Inicjator projektu SQLExpert.pl promującego eksperckie szkolenia i konsultacje z zakresu serwera SQL.

W ramach programu Train To Trainers przygotowywał partnerów firmy Microsoft do przejścia na wersje 2008 i 2012 serwera SQL. Prelegent na wielu konferencjach, w tym Microsoft Technology Summit, Microsoft Security Summit, Heroes Happen {Here} i spotkaniach grup pasjonackich. Autor licznych książek i artykułów poświęconych serwerowi SQL.

Zamknij

Wybierz metodę płatności