Informacja o cookies
Strona ksiegarnia.pwn.pl korzysta z plików cookies w celu dostarczenia Ci oferty jak najlepiej dopasowanej do Twoich oczekiwań i preferencji, jak również w celach marketingowych i analitycznych. Nasi partnerzy również mogą używać ciasteczek do profilowania i dopasowywania do Ciebie pokazywanych treści na naszych stronach oraz w reklamach. Poprzez kontynuowanie wizyty na naszej stronie wyrażasz zgodę na użycie tych ciasteczek. Więcej informacji, w tym o możliwości zmiany ustawień cookies, znajdziesz w naszej Polityce Prywatności.
Podręczniki akademickie »
MENU

Data Science i uczenie maszynowe(Miękka)

3.90  [ 73 oceny ]
 Sprawdź recenzje
Rozwiń szczegóły »
Cena detaliczna: 89,00 zł
64,97
Cena zawiera podatek VAT.
Oszczędzasz 24,03 zł
Stan magazynowy:Duża ilość
Dodaj do schowka
Wysyłka: 24h
Dostawa
Produkt posiadamy w magazynie i wyślemy go w ciągu 24 godzin w dni robocze.

Uwaga! Całkowity czas oczekiwania na zamówienie = czas wysyłki podany na stronie każdego produktu + dostawa przez przewoźnika. 
Podane terminy dotyczą dni roboczych (poniedziałek-piątek,
z wyłączeniem dni wolnych od pracy).
Dostawa i płatność
Cennik dostaw
Paczki dostarczamy wyłącznie na terenie Polski.
Od 200 zł paczki dostarczamy GRATIS!

Płatność elektroniczna (PayU, BLIK, Masterpass)
Kiosk RUCHu - odbiór osobisty
5,99 zł
Poczta Polska - odbiór w punkcie
9,99 zł
Kurier pocztowy
11,99 zł
Paczkomaty InPost
11,99 zł
Kurier
16,99 zł
Odbiór w księgarni PWN (tylko PayU i BLIK)
GRATIS!
Płatność za pobraniem
Poczta Polska - odbiór w punkcie
12,99 zł
Kurier pocztowy
14,99 zł
Kurier
19,99 zł

Data Science i uczenie maszynowe

XXI wiek to czas sztucznej inteligencji. Nie tylko tej specjalistycznej, która kieruje samochodami, tłumaczy języki naturalne czy szuka leku na raka, ale również uniwersalnej, rozwiązującej zadania z różnych dziedzin. Ten przełom zawdzięczamy splotowi trzech zdarzeń: rozwojowi technologii przechowywania i przetwarzania danych, nowej metodzie naukowej (data science), oraz uczeniu maszynowemu, w szczególności znacznemu postępowi w zakresie głębokiego uczenia maszynowego.

Książka przedstawia uczenie maszynowe w ujęciu praktycznym. Przeprowadzając opisane w niej eksperymenty data science poznamy zastosowanie reguł statystycznych i algorytmów uczenia maszynowego do rozwiązywania konkretnych problemów. Takie podejście oznacza, że studenci informatyki oraz specjaliści — analitycy, informatycy i bazodanowcy — zdobędą nie tylko teoretyczną wiedzę, ale również umiejętność jej praktycznego wykorzystania w codziennej pracy.

Książka podzielona jest na cztery części:

•          Pierwszy rozdział wyjaśnia termin Data science i pokazuje zastosowanie tej metody w eksperymentach naukowych.

•          Rozdziały od drugiego do czwartego poświęcone są danym: technikom oceny ich jakości, wstępnego przygotowania oraz wzbogacenia danych na potrzeby ich dalszej analizy.

•          Rozdziały od piątego do dziewiątego opisują poszczególne typy modeli predykcyjnych: klasyfikatory, regresory, modele grupujące, rekomendujące i prognozujące.

•          Ostatnie dwa rozdziały książki przedstawiają metody oceny i poprawy jakości modeli oraz udostępniania ich użytkownikom jako usług WWW.


Patroni:


Patroni

  • Sposób dostarczenia produktu fizycznego
    Sposoby i terminy dostawy:
    • Paczka w RUCHu - dostawa 2 dni robocze
    • Odbiór paczki w urzędzie Poczty Polskiej - dostawa 2 dni robocze
    • Dostawa Pocztą Polską - dostawa 2 dni robocze
    • Odbiór paczki w Paczkomacie InPost - dostawa 2 dni robocze
    • Dostawa kurierem - dostawa 1 dzień roboczy
    • Odbiór własny w księgarni PWN - dostawa 3 dni robocze
    Ważne informacje o wysyłce:
    • Nie wysyłamy paczek poza granice Polski.
    • Dostawa do części Paczkomatów InPost oraz opcja odbioru osobistego w księgarniach PWN jest realizowana po uprzednim opłaceniu zamówienia kartą lub przelewem.
    • Całkowity czas oczekiwania na paczkę = termin wysyłki + dostawa wybranym przewoźnikiem.
    • Podane terminy dotyczą wyłącznie dni roboczych (od poniedziałku do piątku, z wyłączeniem dni wolnych od pracy).
NAZWA I FORMAT
OPIS
ROZMIAR
Data_Science-fragment.pdf(pdf)
257 KB

    Polecamy

    Inne autora

    Inni Klienci oglądali również

    Historia Kościoła w datach i faktach

    Historia Kościoła w datach i faktach to leksykon przybliżający czytelnikom ponad dwa tysiące lat dziejów chrześcijaństwa – od późnej starożytności do czasów współczesnych. Uwzględniono w nim wszystkie ważniejsze wydarz...

    Jak być uczonym

    Najbardziej odczuwalną przyjemnością związaną z uprawianiem nauki nie jest stan posiadania wiedzy, lecz proces jej zdobywania. Przygoda pioniera, odkrywcy... Wysiłek i ryzyko... I droga, którą się pokonuje. Ale czy przyjemność byłaby aż tak wiel...
    75,00 zł

    Portrety Uczonych

    Tom pierwszy "Portretów Uczonych" zawiera eseje biograficzne poświęcone 51 wybitnym profesorom działającym lub rozpoczynającym swą działalność na UW w latach 1816–1915. Warto zaznaczyć, że w latach 1870–1915 zaborca ustanow...

    3-latek uczy się, koloruje i nakleja. Edukacyjna teczka dla 3-latka

    Pakiet w teczce zawiera trzy książeczki edukacyjne: Misiowa akademia edukacyjna książeczka z naklejkami,
    Produkt
    niedostępny

    Biografie i uczenie się Tom 4

    Kolejny czwarty tom, z cyklu Biografia i badanie biografii, zawiera opracowania, które powstały w latach 2012–2014 w ramach projektu, realizowanego od 2008 roku w Zakładzie Andragogiki i Gerontologii Społecznej Uniwersytetu Łódzkieg...
    Produkt
    niedostępny

    Career Paths Science

    Career Paths: Science is a new educational resource for scientific professionals who want to improve their English communication in a work environment. Incorporating career-specific vocabulary and contexts, each unit offers step-by-step instruction tha...

    Bajki krasnoludka Bajkodłubka Uczymy się czytać Część 1

    Bajki z 23 liter do nauki czytania.Pierwsze czytanki, jakich dotąd nie było! Zbiór 26 historyjek – po jednej na każdy tydzień jesieni i zimy. Przeznaczone są dla dzieci w wieku 6-7 lat do samodzielnego czytania. Wszystkie czytanki to...
    Produkt
    niedostępny

    Uczenie dzieci z autyzmem prowadzenia konwersacji

    Ten przewodnik dla rodziców, nauczycieli, terapeutów zawiera wiele opisów przypadków, wykresów, zdjęć i prezentuje krok po kroku, w jaki sposób nauczyć osobę z autyzmem umiejętności rozmowy. Opisano tutaj:
    69,90 zł

    Python w uczeniu maszynowym

    Ten praktyczny przewodnik pozwoli osiągnąć biegłość w stosowaniu uczenia maszynowego w codziennej pracy. Autor, Matthew Kirk, bez akademickich rozważań pokazuje, jak integrować i testować algorytmy uczenia maszynowego w swoim kodzie.Książka przed...

    Recenzje (1):

    Najnowsze | Najbardziej pomocne
    Krzysztof Pudłowski
    Dodano: 15.08.2017 22:16:30

    Wydawałoby się ze rozwiązania chmurowe Azure i książki drukowane to dwa różne światy. Producenci usług udostępniają obszerną dokumentację w sieci, pojawiają się nowe usługi , poprawiane są istniejące, a świat drukarski biegnie swoim tempem.
    Z takim właśnie niepokojem zabrałem się do lektury książki Marcina Szeligi "Data Science i uczenie maszynowe" wydawnictwa PWN.
    Co możemy znaleźć w środku? Dowiedziałem się czym jest uczenie maszynowe, obejrzałem przykłady i zbudowałem pierwsze modele, opublikowałem je w formie serwisów webowych.
    Już w pierwszym rozdziale mam do czynienia z przykładowym eksperymentem z dziedziny marketingu. Kolejne rozdziały poświęcono temu, co w praktyce zawiera najwięcej czasu, przynajmniej podczas pierwszych iteracji budowy modelu, mam na myśli mozolną pracę z danymi źródłowymi. Z jakimi typami zmiennych mam do czynienia, jak je uzupełniać, jak je dyskretyzować, jak normalizować, jak eliminować wartości odstające. Znalazłem też podstawy statystyki, bez której nie da się dobrze rozumieć i odczytać informacji zawartych w danych i korelacji między nimi, a co więcej pokazano, jak je weryfikować wizualnie na przykładzie klasycznego kwartetu Ascombe.
    Nie zapomniano też o procesie wzbogacania danych, prognozowaniu ,szeregach czasowych i redukcji wymiarów (PCA).
    Opisano główne techniki uczenia maszynowego, takie jak klasyfikacja, regresja, analiza skupień, rekomendowanie i prognozowanie. Każdy z rozdziałów zawiera odpowiednią liczbę przykładów w stosunku do części teoretycznej.
    Proces budowy i testowania modelu jest cykliczny i często uzyskana jego jakość jest o wiele mniejsza niż spodziewana. Na szczęście rozdział dziesiąty przedstawia metody oceny i poprawy jakości uzyskanych modeli, to rozdział dla tych, którzy przeczytawszy książkę skończyli ją na rozdziale dziewiątym i pełni zapału zabrali się za budowę własnego rozwiązania.
    Z książki korzystałem w praktyce podczas realizacji programu Microsoft Professional Program for Data Science. Dotyczyło to zakresu kursów: DAT203.1x Data Science Essentials, DAT203.2x Principles of Machine Learning, DAT203.3x Applied Machine Learning i końcowego DAT102x Microsoft Professional Capstone : Data Science. Zapewniam, że nie raz do niej sięgnąłem.
    Jeżeli dopiero zaczynasz przygodę z platformą Azure w zakresie uczenia maszynowego, to ta książka jest dla ciebie. Jeśli myślisz, ze po jej przeczytaniu wiesz już wszystko, to się mylisz, to jest dopiero początek drogi w poznawaniu fascynującej wiedzy, która jest nie jest nowym obszarem, ale od kilku lat pojawiają się narzędzia, która znacznie upraszczają i automatyzują budowę modeli predykcyjnych.
    Jednym z nich jest Azure Machine Learning Dzięki tej usłudze próg wejścia znacznie się zmniejszył. Możemy zbudować pierwsze modele za pomocą interfejsu graficznego bez z jednej linii kodu (!). Co więcej, budowa serwisu webowego, za pomocą którego nasz model komunikuje się na zewnątrz też została mocno uproszczona i producent przygotował szablony w C# , języku R i arkusze Excela.
    Książka Marcina Szeligi jest nie tylko doskonałym uzupełnieniem dokumentacji Microsoftu i warto do niej wracać w kolejnych iteracjach wraz ze wzrostem nabytej wiedzy, ale również pozwala na usystematyzowanie wiedzy, która w dokumentacji producenta jest bardziej rozmyta.
    To czego mi brakuje, to krótkie wprowadzenie do języka R, ale ze względu na powszechną dostępność poradników , nie powinno to być problemem podczas przyswajania wiedzy.

    Ocena: