Praktyczne uczenie maszynowe
Nagroda główna w Konkursie PTI - Najlepsza Polska Książka Informatyczna 2020 roku
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.
Nagroda główna w Konkursie Polskiego Towarzystwa Informatycznego na Najlepszą Polską Książkę Informatyczną 2020 roku, w kategorii podręczniki i książki popularnonaukowe.
Praktyczne uczenie maszynowe str 427-428-min.pdf(pdf)
127 KB
Praktyczne uczenie maszynowe str 273-274-min.pdf(pdf)
90 KB
Praktyczne uczenie maszynowe O ksiazce-min.pdf(pdf)
107 KB
Praktyczne uczenie maszynowe str 47-48-min.pdf(pdf)
95 KB
Przeczytaj fragment
Praktyczne uczenie maszynowe str 427-428-min.pdf(pdf)
127 KB
Praktyczne uczenie maszynowe str 273-274-min.pdf(pdf)
90 KB
Praktyczne uczenie maszynowe O ksiazce-min.pdf(pdf)
107 KB
Praktyczne uczenie maszynowe str 47-48-min.pdf(pdf)
95 KB
Zobacz więcej
Zobacz mniej
