Praktyczne uczenie maszynowe
Wydawnictwo Naukowe PWN
Wysyłka:
1 - 3 dni robocze + czas dostawy
Sugerowana cena
Nasza cena
96,84 PLN
Oszczędzasz 3%
Najniższa cena w ciągu ostatnich 30 dni: 91,54 zł
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.
Szczegóły
Autor: Marcin Szeliga
Wydawnictwo: Wydawnictwo Naukowe PWN
ISBN: 9788301207625
Języki: polski
Rok wydania: 2020
Ilość stron: 468
Format: 16.5x23.5cm
Oprawa: Miękka
Waga: 0.765 kg
Recenzje
Klienci, którzy kupili oglądany produkt kupili także:
Analiza i prognozowanie szeregów czasowych
Wydawnictwo Naukowe PWN
Algorytmy
Helion
Kompilatory
Reguły, metody i narzędzia
Reguły, metody i narzędzia
Wydawnictwo Naukowe PWN