ODBIERZ TWÓJ BONUS :: »

Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III Sebastian Raschka, Vahid Mirjalili

(ebook) (audiobook) (audiobook)
Autorzy:
Sebastian Raschka, Vahid Mirjalili
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
4.6/6  Opinie: 14
Stron:
672
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
89,40 zł 149,00 zł (-40%)
89,40 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
74,50 zł 149,00 zł (-50%)
74,50 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Rodzajów uczenia maszynowego: nadzorowanego, nienadzorowanego i przez wzmacnianie
  • Implementowania klasycznych algorytmów uczenia maszynowego w Pythonie (perceptron, Adaline, SVM, drzewa decyzyjne, k-najbliższych sąsiadów)
  • Wykorzystywania bibliotek scikit-learn i TensorFlow 2 do budowy modeli uczenia maszynowego
  • Przygotowywania i wstępnego przetwarzania danych (obsługa braków, kodowanie cech, skalowanie, selekcja cech)
  • Redukowania wymiarowości danych za pomocą PCA, LDA i metod jądrowych
  • Oceny i strojenia modeli z użyciem walidacji krzyżowej, krzywych uczenia, macierzy pomyłek i przeszukiwania siatki
  • Łączenia modeli w zespoły (bagging, boosting, głosowanie większościowe, AdaBoost)
  • Analizy tekstu i klasyfikacji sentymentu z wykorzystaniem modeli worka słów i LDA
  • Wdrażania modeli uczenia maszynowego do aplikacji webowych w środowisku Flask
  • Budowania i trenowania sieci neuronowych od podstaw oraz z użyciem TensorFlow i Keras
  • Tworzenia i trenowania głębokich sieci splotowych (CNN) do klasyfikacji obrazów
  • Modelowania danych sekwencyjnych z użyciem rekurencyjnych sieci neuronowych (RNN, LSTM) i transformatorów
  • Implementowania generatywnych sieci przeciwstawnych (GAN) do syntezy nowych danych
  • Stosowania uczenia przez wzmacnianie i algorytmów Q-learning w środowisku OpenAI Gym
  • Analizy skupień i grupowania nieoznakowanych danych (k-means, hierarchiczne, DBSCAN)
  • Pracy z dużymi zbiorami danych i optymalizacji wydajności modeli w TensorFlow

Uczenie maszynowe jest jedną z najbardziej fascynujących technologii naszych czasów - rozwojem jego najróżniejszych zastosowań zajmują się tacy giganci jak Google, Facebook, Apple, Amazon czy IBM. Uczenie maszynowe otwiera zupełnie nowe możliwości i powoli staje się nieodzowne: wystarczy wymienić asystenty głosowe w smartfonach, chatboty ułatwiające klientom wybór produktu, a także sieci ułatwiające podejmowanie decyzji o inwestycjach giełdowych, filtrujące niechciane wiadomości e-mail czy wspomagające diagnostykę medyczną.

Oto obszerny przewodnik po uczeniu maszynowym i uczeniu głębokim w Pythonie. Zawiera dokładne omówienie najważniejszych technik uczenia maszynowego oraz staranne wyjaśnienie zasad rządzących tą technologią. Poszczególne zagadnienia zilustrowano mnóstwem wyjaśnień, wizualizacji i przykładów, co znakomicie ułatwia zrozumienie materiału i sprawne rozpoczęcie samodzielnego budowania aplikacji i modeli, takich jak te służące do klasyfikacji obrazów, odkrywania ukrytych wzorców czy wydobywania dodatkowych informacji z danych. Wydanie trzecie zostało zaktualizowane - znalazł się w nim opis biblioteki TensorFlow 2 i najnowszych dodatków do biblioteki scikit-learn. Dodano również wprowadzenie do dwóch nowatorskich technik: uczenia przez wzmacnianie i budowy generatywnych sieci przeciwstawnych (GAN).

W książce między innymi:

  • platformy, modele i techniki uczenia maszynowego
  • wykorzystywanie biblioteki scikit-learn i TensorFlow
  • sieci neuronowe, sieci GAN i inne
  • przygotowywanie danych dla modeli uczenia maszynowego
  • ocena i strojenie modeli
  • analizy: regresyjna, skupień i sentymentów

Uczenie głębokie z Pythonem: zrozum i zastosuj!

Wybrane bestsellery

O autorach książki

Dr Sebastian Raschka jest badaczem i autorem bestsellerowych książek. Pracuje w Lightning AI, gdzie implementuje i szkoli modele LLM. Wcześniej był adiunktem na University of Wisconsin-Madison, zajmował się między innymi badaniami nad uczeniem głębokim. Jest znany z praktycznego podejścia i klarownego wyjaśniania zaawansowanych koncepcji inżynierii.

Dr Vahid Mirjalili zajmuje się stosowaniem uczenia maszynowego w rozpoznawaniu obrazów i zwiększaniu prywatności przy użyciu danych biometrycznych. Projektuje też modele sieci neuronowych, które mają ułatwiać wykrywanie pieszych przez pojazdy autonomiczne.

Sebastian Raschka, Vahid Mirjalili - pozostałe książki

Zobacz pozostałe książki z serii

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka obejmuje zarówno podstawy, jak i zaawansowane zagadnienia uczenia maszynowego i głębokiego?
Tak, książka prowadzi czytelnika od podstawowych pojęć i technik uczenia maszynowego aż po zaawansowane tematy, takie jak sieci neuronowe, uczenie przez wzmacnianie czy generatywne sieci przeciwstawne (GAN), ilustrując wszystko praktycznymi przykładami w Pythonie.
2. Czy do korzystania z książki potrzebna jest znajomość języka Python?
Podstawowa znajomość Pythona będzie pomocna, ponieważ większość przykładów i ćwiczeń opiera się na tym języku. Autorzy wyjaśniają jednak kluczowe elementy kodu, co ułatwia naukę osobom na różnych poziomach zaawansowania.
3. Jakie narzędzia i biblioteki są omawiane w książce?
Książka skupia się na praktycznym wykorzystaniu najważniejszych bibliotek Python do uczenia maszynowego i głębokiego, takich jak scikit-learn, TensorFlow 2 oraz Keras. Pokazuje także, jak korzystać z platformy Anaconda, menedżera pakietów i innych narzędzi wspierających analizę danych.
4. Czy znajdę w książce przykłady gotowego kodu i projekty do samodzielnego wykonania?
Tak, książka zawiera liczne przykłady kodu, wizualizacje oraz projekty krok po kroku, które pomagają w praktycznym zrozumieniu omawianych zagadnień i umożliwiają samodzielne eksperymentowanie z modelami.
5. Czy książka jest aktualna względem najnowszych wersji bibliotek?
Tak, trzecie wydanie zostało zaktualizowane o opis biblioteki TensorFlow 2, najnowsze funkcje scikit-learn oraz nowe trendy i techniki, takie jak uczenie przez wzmacnianie i sieci GAN.
6. Czy publikacja może być przydatna podczas przygotowań do pracy lub rekrutacji na stanowiska związane z AI i Data Science?
Jak najbardziej - książka omawia zarówno teoretyczne podstawy, jak i praktyczne aspekty budowy modeli, przygotowania danych czy wdrażania aplikacji, co jest cenione na rynku pracy w branży AI i analityki danych.
7. Czy książka nadaje się jako materiał do nauki samodzielnej?
Tak, książka została napisana z myślą o samodzielnej nauce - zawiera jasne wyjaśnienia, zestawy ćwiczeń, przykłady i podsumowania, które ułatwiają systematyczną pracę bez konieczności wsparcia zewnętrznego.
8. Czy książka zawiera rozdziały dotyczące wdrażania modeli w aplikacjach?
Tak, znajdziesz tu rozdziały poświęcone wdrażaniu modeli uczenia maszynowego do aplikacji webowych, w tym przykłady wykorzystania frameworka Flask oraz publikowania aplikacji na serwerach.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
89,40 zł
Dodaj do koszyka
Ebook
74,50 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint