ODBIERZ TWÓJ BONUS :: »

Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie (ebook)(audiobook)(audiobook)

Autor:
Emmanuel Ameisen
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
224
Druk:
oprawa miękka
3w1 w pakiecie:
     PDF
     ePub
     Mobi

Książka

59,00 zł
38,35 zł

Dodaj do koszyka Wysyłamy w 24h

Ebook

59,00 zł
32,45 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Uczenie maszynowe jest coraz popularniejsze. Stosuje się je w systemach wsparcia, systemach rekomendacyjnych, tłumaczeniach tekstów i wielu innych aplikacjach. Jednak podczas tworzenia tego rodzaju produktów inżynierowie napotykają bardzo poważne problemy. Jeśli ich nie rozwiążą, nawet obiecujący projekt może upaść. Trudność polega na tym, że zastosowanie uczenia maszynowego w konkretnej, użytkowej aplikacji jest złożonym zadaniem. Konieczne są wybór właściwej implementacji danej funkcjonalności, analiza błędów modelu, rozwiązanie problemów z czystością danych, a także weryfikacja wyników gwarantująca odpowiednią jakość produktu.

To książka przeznaczona dla programistów i menedżerów, którzy wśród rodzących się idei uczenia maszynowego wciąż poszukują rozwiązań dla swojego biznesu. Autor omawia krok po kroku proces tworzenia i wdrażania aplikacji opartej na uczeniu maszynowym, a praktyczne koncepcje przedstawia za pomocą przykładowych kodów, rysunków i wywiadów z liderami w tej dziedzinie. Podpowiada, jak planować aplikację i oceniać jej jakość. Wyjaśnia także, jak budować skuteczny model, i demonstruje metody jego systematycznego usprawniania, aż do momentu osiągnięcia celu. W końcowej części opisuje strategie wdrażania i monitorowania modelu. W odróżnieniu od innych pozycji poświęconych uczeniu maszynowym ten przewodnik skupia się przede wszystkim na definiowaniu problemów, diagnozowaniu modeli i ich wdrażaniu.

Dzięki tej książce:

  • łatwiej określisz, do czego produkt ma służyć
  • trafnie zdefiniujesz problem uczenia maszynowego
  • szybko zbudujesz kompletny proces i pozyskasz początkowy zbiór danych
  • zbudujesz, wytrenujesz i zoptymalizujesz model
  • wdrożysz model w środowisku produkcyjnym
  • przyjmiesz najlepszą metodę monitorowania pracy modelu

Dobry pomysł - to zaledwie początek. Najważniejsze dzieje się później!

O autorze

1 Emmanuel Ameisen

Emmanuel Ameisen jest inżynierem uczenia maszynowego w Stripe. Wcześniej implementował i wdrażał rozwiązania do analiz predykcyjnych i uczenia maszynowego w Local Motion i Zipcar. Prowadził program sztucznej inteligencji w Insight Data Science. Zrealizował ponad sto projektów wykorzystujących uczenie maszynowe.

Zamknij

Wybierz metodę płatności