Python. Uczenie maszynowe
- Autor:
- Sebastian Raschka
- Promocja Przejdź
- Wydawnictwo:
- Helion
- Ocena:
- 5.0/6 Opinie: 10
- Stron:
- 416
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Sprawdź nowe wydanie
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
Sebastian Raschka, Vahid Mirjalili
Opis książki: Python. Uczenie maszynowe
Sprawdź drugie wydanie tej książki >>
---
Uczenie maszynowe, zajmujące się algorytmami analizującymi dane, stanowi chyba najciekawszą dziedzinę informatyki. W czasach, w których generuje się olbrzymie ilości danych, samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania tych danych w wiedzę. W ten sposób powstało wiele innowacyjnych technologii, a możliwości uczenia maszynowego są coraz większe. Nieocenioną pomoc w rozwijaniu tej dziedziny stanowią liczne nowe biblioteki open source, które pozwalają na budowanie algorytmów w języku Python, będącym ulubionym, potężnym i przystępnym narzędziem naukowców i analityków danych.
Niniejsza książka jest lekturą obowiązkową dla każdego, kto chce rozwinąć swoją wiedzę o danych naukowych i zamierza w tym celu wykorzystać język Python. Przystępnie opisano tu teoretyczne podstawy dziedziny i przedstawiono wyczerpujące informacje o działaniu algorytmów uczenia maszynowego, sposobach ich wykorzystania oraz metodach unikania poważnych błędów. Zaprezentowano również biblioteki Theano i Keras, sposoby przewidywania wyników docelowych za pomocą analizy regresywnej oraz techniki wykrywania ukrytych wzorców metodą analizy skupień. Nie zabrakło opisu technik przetwarzania wstępnego i zasad oceny modeli uczenia maszynowego.
W tej książce:
- podstawowe rodzaje uczenia maszynowego i ich zastosowanie,
- biblioteka scikit-learn i klasyfikatory uczenia maszynowego,
- wydajne łączenie różnych algorytmów uczących,
- analiza sentymentów — przewidywanie opinii osób na podstawie sposobu pisania,
- praca z nieoznakowanymi danymi — uczenie nienadzorowane,
- tworzenie i trenowanie sieci neuronowych.
Uczenie maszynowe — odkryj wiedzę, którą niosą dane!
Wybrane bestsellery
-
Oto intuicyjny przewodnik dla średnio zaawansowanych programistów Pythona, pomyślany tak, by przyswajać zasady programowania zorientowanego obiektowo podczas praktycznych ćwiczeń. Dowiesz się, jakie problemy wiążą się z zastosowaniem podejścia proceduralnego i jak dzięki podejściu obiektowemu pis...
Python zorientowany obiektowo. Programowanie gier i graficznych interfejsów użytkownika Python zorientowany obiektowo. Programowanie gier i graficznych interfejsów użytkownika
(0,00 zł najniższa cena z 30 dni)62.30 zł
89.00 zł(-30%) -
To drugie, zaktualizowane i poprawione wydanie bestsellerowego podręcznika Programowania w Pythonie pozwoli Ci błyskawicznie zacząć tworzyć kod, który działa! Zaczniesz od zrozumienia podstawowych koncepcji programistycznych, następnie nauczysz się zapewniać programom interaktywność i wykształcis...(0,00 zł najniższa cena z 30 dni)
69.30 zł
99.00 zł(-30%) -
To kompleksowy podręcznik do nauki programowania w Pythonie. Jego piąte wydanie zostało gruntownie zaktualizowane i rozbudowane o dodatkowe treści. Omówiono tu najnowsze wersje Pythona w liniach 3.X i 2.X, czyli 3.3 i 2.7, i dodano opisy nowych lub rozszerzonych mechanizmów, takich jak obsługa fo...(0,00 zł najniższa cena z 30 dni)
139.30 zł
199.00 zł(-30%) -
Dzięki tej książce nauczysz się przekształcać suche dane liczbowe w pełną empatii narrację! Aby spełniły one swoje zadanie, ktoś musi przedstawić zawarte w nich informacje w postaci opowieści. W tej publikacji wyczerpująco i praktycznie opisano przebieg tego procesu. Jej lektura sprawi, że rozwin...
Opowieści ukryte w danych. Wyjaśnij dane i wywołaj działania za pomocą narracji Opowieści ukryte w danych. Wyjaśnij dane i wywołaj działania za pomocą narracji
(0,00 zł najniższa cena z 30 dni)20.90 zł
67.00 zł(-69%) -
Dzięki tej książce przekonasz się, jak wspaniałą przygodą jest programowanie i jak łatwo ją zacząć! Poznasz podstawy Pythona, dowiesz się, jak pisać i formatować kod, a także szybko nauczysz się uruchamiać swoje programy. Instrukcje sterujące, operatory, typy danych, funkcje, klasy i moduły nie b...
Python 3. Projekty dla początkujących i pasjonatów Python 3. Projekty dla początkujących i pasjonatów
(0,00 zł najniższa cena z 30 dni)41.93 zł
59.90 zł(-30%) -
Ta książka jest przystępnym wprowadzeniem do kryptografii i bibliotek kryptograficznych Pythona. Omówiono tu podstawowe koncepcje z tej dziedziny, najważniejsze algorytmy i niezbędny zakres podstaw matematycznych: liczby pierwsze, teorię grup czy generatory liczb pseudolosowych. Wyjaśniono, czym ...
Algorytmy kryptograficzne w Pythonie. Wprowadzenie Algorytmy kryptograficzne w Pythonie. Wprowadzenie
(0,00 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
Dave Thomas i Andy Hunt napisali pierwsze wydanie tej wpływowej książki w 1999 roku, aby pomóc swoim klientom tworzyć lepsze oprogramowanie i na nowo odnaleźć radość z kodowania. Nauki płynące z tamtego wydania pomogły wielu pokoleniom programistów zbadać istotę rozwoju oprogramowania, niezależni...
Pragmatyczny programista. Od czeladnika do mistrza. Wydanie II Pragmatyczny programista. Od czeladnika do mistrza. Wydanie II
(0,00 zł najniższa cena z 30 dni)46.20 zł
77.00 zł(-40%) -
Zarządzanie projektami to rozległa i skomplikowana dziedzina wiedzy. Dobry kierownik projektu powinien być osobą kompetentną, komunikatywną, zdyscyplinowaną, wszechstronną i doświadczoną, łączącą zdolności techniczne z marketingowymi, a nawet psychologicznymi. Dobry PM to zdolny dyrygent, pod któ...
Zwinnie do przodu. Poradnik kierownika projektów informatycznych Zwinnie do przodu. Poradnik kierownika projektów informatycznych
(0,00 zł najniższa cena z 30 dni)26.90 zł
89.00 zł(-70%) -
Metody statystyczne są kluczowym elementem data science, mimo to niewielu specjalistów data science posiada formalne wykształcenie statystyczne. Kursy i podręczniki o podstawach statystyki, rzadko kiedy omawiają temat z perspektywy data science. W drugim wydaniu tego popularnego podręcznika zosta...
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II
(0,00 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
Agile i Scrum, Scrum i Agile. Opanowawszy branżę IT, powoli, ale konsekwentnie, zdobywają inne biznesowe przyczółki i rozgaszczają się w firmach na dobre… Albo niedobre, gdy budzą niezrozumienie, protesty, a czasem nawet chęć ucieczki! Agile i Scrum brzmią tak nowocześnie, w teorii świetnie...(0,00 zł najniższa cena z 30 dni)
27.93 zł
39.90 zł(-30%)
O autorze książki
1 Sebastian RaschkaSebastian Raschka jest ekspertem w dziedzinie analizy danych i uczenia maszynowego. Obecnie przygotowuje doktorat na Michigan State University z metod obliczeniowych w biologii statystycznej. Biegle posługuje się Pythonem. Raschka bierze również udział w różnych projektach open source i wdraża nowe metody uczenia maszynowego. W wolnym czasie pracuje nad modelami predykcyjnymi dyscyplin sportowych. Jeżeli nie siedzi przed monitorem, chętnie uprawia sport.
Sebastian Raschka - pozostałe książki
-
This book of the bestselling and widely acclaimed Python Machine Learning series is a comprehensive guide to machine and deep learning using PyTorch's simple to code framework.
-
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 zn...
Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
-
Applied machine learning with a solid foundation in theory. Revised and expanded for TensorFlow 2, GANs, and reinforcement learning.
-
Ta książka jest drugim, wzbogaconym i zaktualizowanym wydaniem znakomitego podręcznika do nauki o danych. Wyczerpująco opisano tu teoretyczne podwaliny uczenia maszynowego. Sporo uwagi poświęcono działaniu algorytmów uczenia głębokiego, sposobom ich wykorzystania oraz metodom unikania istotnych b...(59.40 zł najniższa cena z 30 dni)
69.30 zł
99.00 zł(-30%) -
Unlock modern machine learning and deep learning techniques with Python by using the latest cutting-edge open source Python libraries.About This BookSecond edition of the bestselling book on Machine LearningA practical approach to key frameworks in data science, machine learning, and deep learnin...
-
Leverage benefits of machine learning techniques using Python.
-
Learn how to design heat maps in R to enhance your data analysis
Ebooka przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video zobaczysz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP4 (pliki spakowane w ZIP)
Szczegóły książki
- Tytuł oryginału:
- Python Machine Learning
- Tłumaczenie:
- Krzysztof Sawka
- ISBN Książki drukowanej:
- 978-83-283-3613-1, 9788328336131
- Data wydania książki drukowanej:
- 2017-11-24
- ISBN Ebooka:
- 978-83-283-3614-8, 9788328336148
- Data wydania ebooka:
-
2017-11-24
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@helion.pl.
- Format:
- 170x230
- Numer z katalogu:
- 64805
- Rozmiar pliku Pdf:
- 20.9MB
- Rozmiar pliku ePub:
- 17.6MB
- Rozmiar pliku Mobi:
- 32.7MB
- Pobierz przykładowy rozdział PDF
- Przykłady na ftp
Ebook zawiera materiały dodatkowe, które możesz pobrać z serwera FTP - link znajdziesz na stronie redakcyjnej.
- Erraty / Zgłoś erratę
- Kategorie:
Programowanie » Python - Programowanie
Big Data
Biznes IT » IT w ekonomii
Big Data » Analiza danych
Uczenie maszynowe
- Serie wydawnicze: Technologia i rozwiązania
Spis treści książki
- Tworzenie inteligentnych maszyn służących do przekształcania danych w wiedzę (26)
- Trzy różne rodzaje uczenia maszynowego (26)
- Prognozowanie przyszłości za pomocą uczenia nadzorowanego (27)
- Rozwiązywanie problemów interaktywnych za pomocą uczenia przez wzmacnianie (29)
- Odkrywanie ukrytych struktur za pomocą uczenia nienadzorowanego (30)
- Wprowadzenie do podstawowej terminologii i notacji (31)
- Strategia tworzenia systemów uczenia maszynowego (33)
- Wstępne przetwarzanie - nadawanie danym formy (34)
- Trenowanie i dobór modelu predykcyjnego (35)
- Ewaluacja modeli i przewidywanie wystąpienia nieznanych danych (36)
- Wykorzystywanie środowiska Python do uczenia maszynowego (36)
- Instalacja pakietów w Pythonie (36)
- Podsumowanie (38)
- Sztuczne neurony - rys historyczny początków uczenia maszynowego (42)
- Implementacja algorytmu uczenia perceptronu w Pythonie (47)
- Trenowanie modelu perceptronu na zestawie danych Iris (50)
- Adaptacyjne neurony liniowe i zbieżność uczenia (54)
- Minimalizacja funkcji kosztu za pomocą metody gradientu prostego (55)
- Implementacja adaptacyjnego neuronu liniowego w Pythonie (57)
- Wielkoskalowe uczenie maszynowe i metoda stochastycznego spadku wzdłuż gradientu (62)
- Podsumowanie (67)
- Wybór algorytmu klasyfikującego (70)
- Pierwsze kroki z biblioteką scikit-learn (70)
- Uczenie perceptronu za pomocą biblioteki scikit-learn (71)
- Modelowanie prawdopodobieństwa przynależności do klasy za pomocą regresji logistycznej (76)
- Teoretyczne podłoże regresji logistycznej i prawdopodobieństwa warunkowego (76)
- Wyznaczanie wag logistycznej funkcji kosztu (79)
- Uczenie modelu regresji logistycznej za pomocą biblioteki scikit-learn (81)
- Zapobieganie nadmiernemu dopasowaniu za pomocą regularyzacji (84)
- Wyznaczanie maksymalnego marginesu za pomocą maszyn wektorów nośnych (87)
- Teoretyczne podłoże maksymalnego marginesu (87)
- Rozwiązywanie przypadków nieliniowo rozdzielnych za pomocą zmiennych uzupełniających (88)
- Alternatywne implementacje w interfejsie scikit-learn (90)
- Rozwiązywanie nieliniowych problemów za pomocą jądra SVM (91)
- Stosowanie sztuczki z funkcją jądra do znajdowania przestrzeni rozdzielających w przestrzeni o większej liczbie wymiarów (93)
- Uczenie drzew decyzyjnych (97)
- Maksymalizowanie przyrostu informacji - osiąganie jak największych korzyści (98)
- Budowanie drzewa decyzyjnego (101)
- Łączenie słabych klasyfikatorów w silne klasyfikatory za pomocą modelu losowego lasu (104)
- Algorytm k-najbliższych sąsiadów - model leniwego uczenia (106)
- Podsumowanie (109)
- Kwestia brakujących danych (111)
- Usuwanie próbek lub cech niezawierających wartości (113)
- Wstawianie brakujących danych (114)
- Estymatory interfejsu scikit-learn (114)
- Przetwarzanie danych kategoryzujących (116)
- Mapowanie cech porządkowych (116)
- Kodowanie etykiet klas (117)
- Kodowanie "gorącojedynkowe" cech nominalnych (z użyciem wektorów własnych) (118)
- Rozdzielanie zestawu danych na podzbiory uczące i testowe (120)
- Skalowanie cech (121)
- Dobór odpowiednich cech (123)
- Regularyzacja L1 (124)
- Algorytmy sekwencyjnego wyboru cech (129)
- Ocenianie istotności cech za pomocą algorytmu losowego lasu (134)
- Podsumowanie (137)
- Nienadzorowana redukcja wymiarowości za pomocą analizy głównych składowych (140)
- Wyjaśniona wariancja całkowita (141)
- Transformacja cech (145)
- Analiza głównych składowych w interfejsie scikit-learn (147)
- Nadzorowana kompresja danych za pomocą liniowej analizy dyskryminacyjnej (150)
- Obliczanie macierzy rozproszenia (151)
- Dobór dyskryminant liniowych dla nowej podprzestrzeni cech (154)
- Rzutowanie próbek na nową przestrzeń cech (156)
- Implementacja analizy LDA w bibliotece scikit-learn (156)
- Jądrowa analiza głównych składowych jako metoda odwzorowywania nierozdzielnych liniowo klas (158)
- Funkcje jądra oraz sztuczka z funkcją jądra (160)
- Implementacja jądrowej analizy głównych składowych w Pythonie (164)
- Rzutowanie nowych punktów danych (170)
- Algorytm jądrowej analizy głównych składowych w bibliotece scikit-learn (174)
- Podsumowanie (175)
- Usprawnianie cyklu pracy za pomocą kolejkowania (177)
- Wczytanie zestawu danych Breast Cancer Wisconsin (178)
- Łączenie funkcji transformujących i estymatorów w kolejce czynności (179)
- Stosowanie k-krotnego sprawdzianu krzyżowego w ocenie skuteczności modelu (180)
- Metoda wydzielania (181)
- K-krotny sprawdzian krzyżowy (182)
- Sprawdzanie algorytmów za pomocą krzywych uczenia i krzywych walidacji (186)
- Diagnozowanie problemów z obciążeniem i wariancją za pomocą krzywych uczenia (186)
- Rozwiązywanie problemów nadmiernego i niewystarczającego dopasowania za pomocą krzywych walidacji (189)
- Dostrajanie modeli uczenia maszynowego za pomocą metody przeszukiwania siatki (191)
- Strojenie hiperparametrów przy użyciu metody przeszukiwania siatki (192)
- Dobór algorytmu poprzez zagnieżdżony sprawdzian krzyżowy (193)
- Przegląd metryk oceny skuteczności (195)
- Odczytywanie macierzy pomyłek (195)
- Optymalizacja precyzji i pełności modelu klasyfikującego (197)
- Wykres krzywej ROC (198)
- Metryki zliczające dla klasyfikacji wieloklasowej (201)
- Podsumowanie (202)
- Uczenie zespołów (203)
- Implementacja prostego klasyfikatora wykorzystującego głosowanie większościowe (207)
- Łączenie różnych algorytmów w celu klasyfikacji za pomocą głosowania większościowego (213)
- Ewaluacja i strojenie klasyfikatora zespołowego (216)
- Agregacja - tworzenie zespołu klasyfikatorów za pomocą próbek początkowych (221)
- Usprawnianie słabych klasyfikatorów za pomocą wzmocnienia adaptacyjnego (226)
- Podsumowanie (232)
- Zestaw danych IMDb movie review (235)
- Wprowadzenie do modelu worka słów (237)
- Przekształcanie słów w wektory cech (238)
- Ocena istotności wyrazów za pomocą ważenia częstości termów - odwrotnej częstości w tekście (239)
- Oczyszczanie danych tekstowych (241)
- Przetwarzanie tekstu na znaczniki (243)
- Uczenie modelu regresji logistycznej w celu klasyfikowania tekstu (245)
- Praca z większą ilością danych - algorytmy sieciowe i uczenie pozardzeniowe (247)
- Podsumowanie (250)
- Serializacja wyuczonych estymatorów biblioteki scikit-learn (252)
- Konfigurowanie bazy danych SQLite (254)
- Tworzenie aplikacji sieciowej za pomocą środowiska Flask (256)
- Nasza pierwsza aplikacja sieciowa (257)
- Sprawdzanie i wyświetlanie formularza (258)
- Przekształcanie klasyfikatora recenzji w aplikację sieciową (262)
- Umieszczanie aplikacji sieciowej na publicznym serwerze (269)
- Aktualizowanie klasyfikatora recenzji filmowych (271)
- Podsumowanie (272)
- Wprowadzenie do prostego modelu regresji liniowej (276)
- Zestaw danych Housing (277)
- Wizualizowanie ważnych elementów zestawu danych (278)
- Implementacja modelu regresji liniowej wykorzystującego zwykłą metodę najmniejszych kwadratów (282)
- Określanie parametrów regresywnych za pomocą metody gradientu prostego (283)
- Szacowanie współczynnika modelu regresji za pomocą biblioteki scikit-learn (286)
- Uczenie odpornego modelu regresywnego za pomocą algorytmu RANSAC (288)
- Ocenianie skuteczności modeli regresji liniowej (291)
- Stosowanie regularyzowanych metod regresji (294)
- Przekształcanie modelu regresji liniowej w krzywą - regresja wielomianowa (295)
- Modelowanie nieliniowych zależności w zestawie danych Housing (297)
- Analiza nieliniowych relacji za pomocą algorytmu losowego lasu (300)
- Podsumowanie (305)
- Grupowanie obiektów na podstawie podobieństwa przy użyciu algorytmu centroidów (308)
- Algorytm k-means++ (311)
- Klasteryzacja twarda i miękka (312)
- Stosowanie metody łokcia do wyszukiwania optymalnej liczby skupień (315)
- Ujęcie ilościowe jakości klasteryzacji za pomocą wykresu profilu (316)
- Organizowanie skupień do postaci drzewa klastrów (320)
- Przeprowadzanie hierarchicznej analizy skupień na macierzy odległości (323)
- Dołączanie dendrogramów do mapy cieplnej (326)
- Aglomeracyjna analiza skupień w bibliotece scikit-learn (328)
- Wyznaczanie rejonów o dużej gęstości za pomocą algorytmu DBSCAN (328)
- Podsumowanie (333)
- Modelowanie złożonych funkcji przy użyciu sztucznych sieci neuronowych (336)
- Jednowarstwowa sieć neuronowa - powtórzenie (337)
- Wstęp do wielowarstwowej architektury sieci neuronowych (338)
- Aktywacja sieci neuronowej za pomocą propagacji w przód (340)
- Klasyfikowanie pisma odręcznego (343)
- Zestaw danych MNIST (344)
- Implementacja wielowarstwowego perceptronu (348)
- Trenowanie sztucznej sieci neuronowej (356)
- Obliczanie logistycznej funkcji kosztu (356)
- Uczenie sieci neuronowych za pomocą algorytmu wstecznej propagacji (359)
- Ujęcie intuicyjne algorytmu wstecznej propagacji (361)
- Usuwanie błędów w sieciach neuronowych za pomocą sprawdzania gradientów (363)
- Zbieżność w sieciach neuronowych (368)
- Inne architektury sieci neuronowych (370)
- Splotowe sieci neuronowe (370)
- Rekurencyjne sieci neuronowe (371)
- Jeszcze słowo o implementacji sieci neuronowej (373)
- Podsumowanie (373)
- Tworzenie, kompilowanie i uruchamianie wyrażeń w interfejsie Theano (376)
- Czym jest Theano? (377)
- Pierwsze kroki z Theano (378)
- Konfigurowanie środowiska Theano (379)
- Praca ze strukturami tablicowymi (381)
- Przejdźmy do konkretów - implementacja regresji liniowej w Theano (384)
- Dobór funkcji aktywacji dla jednokierunkowych sieci neuronowych (387)
- Funkcja logistyczna - powtórzenie (388)
- Szacowanie prawdopodobieństw w klasyfikacji wieloklasowej za pomocą znormalizowanej funkcji wykładniczej (390)
- Rozszerzanie zakresu wartości wyjściowych za pomocą funkcji tangensa hiperbolicznego (391)
- Skuteczne uczenie sieci neuronowych za pomocą biblioteki Keras (393)
- Podsumowanie (398)
Przedmowa (11)
Informacje o autorze (13)
Informacje o recenzentach (15)
Wstęp (17)
Rozdział 1. Umożliwianie komputerom uczenia się z danych (25)
Rozdział 2. Trenowanie algorytmów uczenia maszynowego w celach klasyfikacji (41)
Rozdział 3. Stosowanie klasyfikatorów uczenia maszynowego za pomocą biblioteki scikit-learn (69)
Rozdział 4. Tworzenie dobrych zbiorów uczących - wstępne przetwarzanie danych (111)
Rozdział 5. Kompresja danych poprzez redukcję wymiarowości (139)
Rozdział 6. Najlepsze metody oceny modelu i strojenie parametryczne (177)
Rozdział 7. Łączenie różnych modeli w celu uczenia zespołowego (203)
Rozdział 8. Wykorzystywanie uczenia maszynowego w analizie sentymentów (235)
Rozdział 9. Wdrażanie modelu uczenia maszynowego do aplikacji sieciowej (251)
Rozdział 10. Przewidywanie ciągłych zmiennych docelowych za pomocą analizy regresywnej (275)
Rozdział 11. Praca z nieoznakowanymi danymi - analiza skupień (307)
Rozdział 12. Trenowanie sztucznych sieci neuronowych w rozpoznawaniu obrazu (335)
Rozdział 13. Równoległe przetwarzanie sieci neuronowych za pomocą biblioteki Theano (375)
Skorowidz (401)
Helion - inne książki
-
W tej książce omówiono techniki wdrażania systemów na platformie AWS i zasady zarządzania nimi. Zaprezentowano podstawy korzystania z usługi Identity and Access Management oraz narzędzia sieciowe i monitorujące chmury AWS. Poruszono tematy Virtual Private Cloud, Elastic Compute Cloud, równoważeni...
AWS dla administratorów systemów. Tworzenie i utrzymywanie niezawodnych aplikacji chmurowych AWS dla administratorów systemów. Tworzenie i utrzymywanie niezawodnych aplikacji chmurowych
(0,00 zł najniższa cena z 30 dni)55.30 zł
79.00 zł(-30%) -
Ta książka jest przeznaczona dla osób, które chcą zrozumieć działanie Lightning Network i wykorzystać możliwości tej technologii we własnych aplikacjach. Z lektury tej pozycji skorzystają programiści, architekci systemowi i inżynierowie. Omówiono w niej podstawy funkcjonowania sieci LN i sposoby ...
Lightning Network dla praktyków. Protokół drugiej warstwy i jego wykorzystanie do obsługi płatności bitcoinami Lightning Network dla praktyków. Protokół drugiej warstwy i jego wykorzystanie do obsługi płatności bitcoinami
(0,00 zł najniższa cena z 30 dni)83.30 zł
119.00 zł(-30%) -
Nie trzeba siedzieć po uszy w programowaniu, by zauważyć pewną regułę: lwia część książek poświęconych temu zagadnieniu została napisana w podobny sposób. I nie chodzi o styl, środowisko czy język, lecz o strukturę. Prawidłowość tę zauważył Łukasz Sosna, który do zagadnienia programowania w język...
Visual Studio 2022, C# i .NET. Programowanie kontrolek Visual Studio 2022, C# i .NET. Programowanie kontrolek
(0,00 zł najniższa cena z 30 dni)34.93 zł
49.90 zł(-30%) -
IT przeżywa rozkwit, czego dowodem jest to, że w pierwszym półroczu 2022 roku 25 procent ogłoszeń o pracy było skierowanych właśnie do przedstawicieli tej branży. Na ten imponujący wynik składają się oferty dla specjalistów do spraw rozwoju oprogramowania (16 procent wszystkich ogłoszeń). Nic wię...
Ścieżka testera. Certyfikat ISTQB w pytaniach i odpowiedziach Ścieżka testera. Certyfikat ISTQB w pytaniach i odpowiedziach
(0,00 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
Dzięki tej książce nauczysz się programować w języku VBA. Dowiesz się także, w jaki sposób można zautomatyzować wiele żmudnych czynności wykonywanych w Excelu i w innych aplikacjach pakietu MS Office. Naukę rozpoczniesz od podstaw, które podano tu w przystępnej i zrozumiałej formie. Dowiesz się, ...
Automatyzacja w VBA dla Excela 2019. Receptury. Jak przyspieszać rutynowe zadania i zwiększać efektywność pracy Automatyzacja w VBA dla Excela 2019. Receptury. Jak przyspieszać rutynowe zadania i zwiększać efektywność pracy
(0,00 zł najniższa cena z 30 dni)55.30 zł
79.00 zł(-30%) -
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technolo...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
(0,00 zł najniższa cena z 30 dni)118.30 zł
169.00 zł(-30%) -
Ta książka jest znakomitym wprowadzeniem do Power BI. Dzięki niej nauczysz się modelowania danych, technik definiowania relacji oraz tworzenia modeli danych. Dowiesz się też, jak prowadzić obliczenia za pomocą funkcji modelowania. Poznasz także podstawy pisania kodu w języku DAX i korzystania z n...
Modelowanie danych z Power BI dla ekspertów analityki. Jak w pełni wykorzystać możliwości Power BI Modelowanie danych z Power BI dla ekspertów analityki. Jak w pełni wykorzystać możliwości Power BI
(0,00 zł najniższa cena z 30 dni)83.30 zł
119.00 zł(-30%) -
To drugi tom klasycznego podręcznika wiedzy o sztucznej inteligencji. Podobnie jak w wypadku pierwszej części, lektura tej książki nie wymaga wybitnej znajomości tematu. Dzięki przejrzystości tekstu i umiejętnemu unikaniu nadmiernego formalizmu można w dość łatwy sposób zrozumieć kluczowe idee i ...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
(0,00 zł najniższa cena z 30 dni)90.30 zł
129.00 zł(-30%) -
Ta książka powinna zostać przestudiowana przez każdego architekta nowoczesnych systemów rozproszonych. Jej celem jest pokazanie sposobów rozwiązywania trudnych problemów związanych z projektowaniem takiego oprogramowania. W krytyczny i wszechstronny sposób omówiono w niej najważniejsze problemy u...
Złożone zagadnienia architektury oprogramowania. Jak analizować kompromisy i podejmować trudne decyzje Złożone zagadnienia architektury oprogramowania. Jak analizować kompromisy i podejmować trudne decyzje
(0,00 zł najniższa cena z 30 dni)69.30 zł
99.00 zł(-30%) -
Autor tego zbioru zadań jest programistą i nauczycielem. To prawdziwy pasjonat programowania ― w tym w języku C++ ― które traktuje jak przedłużenie ludzkiej mowy. Uważa, że praktycznie na wszystko, co robimy w życiu, można spojrzeć jak na wykonywanie funkcji i algorytmów, które opisuj...(0,00 zł najniższa cena z 30 dni)
25.90 zł
37.00 zł(-30%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
W przypadku usługi "Druk na żądanie" termin dostarczenia przesyłki może obejmować także czas potrzebny na dodruk (do 10 dni roboczych)
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.


Oceny i opinie klientów: Python. Uczenie maszynowe Sebastian Raschka (10)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.
(5)
(3)
(1)
(0)
(0)
(1)
Jeremiasz Pi,
Data dodania: 2020-07-23 Ocena: 6 Opinia potwierdzona zakupem
Mateusz Kubaszek, Data Enginner
Data dodania: 2018-08-17 Ocena: 6 Opinia potwierdzona zakupem
pracownik dydaktyczno-naukowy
Data dodania: 2017-11-24 Ocena: 6 Opinia potwierdzona zakupem
Piotr,
Data dodania: 2020-05-30 Ocena: 5 Opinia potwierdzona zakupem
Data dodania: 2018-07-06 Ocena: 5 Opinia niepotwierdzona zakupem
Michał, architekt oprogramowania
Data dodania: 2018-08-15 Ocena: 1 Opinia potwierdzona zakupem
Oceny i opinie poprzednich wydań
Data dodania: 2022-12-31 Ocena: 6 Opinia niepotwierdzona zakupem
Radosław S,
Data dodania: 2021-01-13 Ocena: 6 Opinia potwierdzona zakupem
Tomasz Ziss,
Data dodania: 2021-01-31 Ocena: 5 Opinia potwierdzona zakupem
Data dodania: 2019-11-03 Ocena: 4 Opinia niepotwierdzona zakupem
więcej opinii