Wprowadzenie do uczenia maszynowego według Esposito

Wprowadzenie do uczenia maszynowego według Esposito: Klucz do praktycznej sztucznej inteligencji

Książka "Wprowadzenie do uczenia maszynowego według Esposito" stanowi kompleksowe wprowadzenie do najważniejszych koncepcji i narzędzi w dziedzinie uczenia maszynowego. Autorzy, Dino i Francesco Esposito, prezentują zarówno podstawy teoretyczne, jak i praktyczne zastosowania, w tym pracę z biblioteką ML.NET oraz techniki uczenia głębokiego. Rekomendujemy ją szczególnie dla osób pragnących pogłębić swoją wiedzę i umiejętności w zakresie rozwiązywania rzeczywistych problemów za pomocą sztucznej inteligencji, wspierając się także analizą narzędzi takich jak Microsoft Excel do analizy danych biznesowych.

Po jakie produkty jeszcze warto sięgnąć:

1. Microsoft Excel 2016 Analiza i modelowanie danych biznesowych: Opanuj techniki modelowania biznesowego i analiz wykorzystujące Microsoft Excel 2016 i przekształć swoje dane w użyteczne wnioski. Wayne Winston, zdobywca wielu nagród akademickich, dzieli się swoim ogromnym doświadczeniem na stronach praktycznego podręcznika. To wydanie zawiera ponad 150 problemów z rozwiązaniami, a także rozdział o podstawach modelowania, pozwalając od razu przejść do realnej pracy.
2. Microsoft Excel 2013 Analiza i modelowanie danych biznesowych: Opanuj techniki modelowania i analizy danych w programie Microsoft Excel 2013 i przekształć surowe informacje w końcowe wnioski. Ten praktyczny poradnik pokazuje, jak korzystać z narzędzi Excela do integrowania danych z różnych źródeł oraz budowania relacyjnych baz danych w plikach Excel, co zwiększy Twoje możliwości analityczne.
3. Microsoft Excel 2019 Analiza i modelowanie danych biznesowych: Opanuj zaawansowane techniki analizy danych w Excelu 2019 i przekształć swoje dane w wartościowe wnioski. Wayne Winston dzieli się swoim doświadczeniem, prezentując zagadnienia od PowerQuery po nowe typy danych geograficznych i giełdowych, pomagając rozwiązać ponad 800 rzeczywistych problemów analitycznych.
4. Bardziej efektywny C#: Poznaj 50 skutecznych technik ulepszania kodu w języku C#. Bill Wagner, ekspert .NET, przedstawia zaawansowane zasady pisania niezawodnych programów, które zwiększą Twoją produktywność i jakość kodu, niezależnie od poziomu zaawansowania.
5. Głębokie uczenie przez wzmacnianie: Rozwiń swoją wiedzę na temat dynamicznie rozwijającej się dziedziny głębokiego uczenia przez wzmacnianie. Ta książka wyjaśnia najnowsze osiągnięcia i praktyczne zastosowania, pomagając zrozumieć złożone koncepcje i wdrożyć je w rzeczywistych projektach.
6. Odsłaniamy SQL Server 2019 Klastry Big Data i uczenie maszynowe: Poznaj najnowsze funkcje SQL Server 2019, które wykraczają poza tradycyjną bazę danych. Ta książka skupia się na nowoczesnych rozwiązaniach, takich jak uczenie maszynowe, analizy Big Data, kontenery i Kubernetes, idealna dla profesjonalistów chcących rozwijać swoje umiejętności.
7. Algorytmy sztucznej inteligencji Ilustrowany przewodnik: Dowiedz się, jak wykorzystywać algorytmy sztucznej inteligencji do podejmowania lepszych decyzji i automatyzacji zadań. Ta ilustrowana książka wyjaśnia kluczowe koncepcje i narzędzia, które pozwolą Ci zrozumieć i zastosować AI w praktyce.
8. Visual C# dla zupełnie początkujących Owoce programowania. Wydanie IV.: Rozpocznij swoją przygodę z programowaniem w języku C# dzięki tej przystępnej książce. Dowiedz się, jak tworzyć różnorodne aplikacje, od serwisów internetowych po gry, korzystając z Visual Studio i nowoczesnych narzędzi.
9. Eksploracja danych za pomocą Excela Metody uczenia maszynowego krok po: Naucz się analizować dane i korzystać z funkcji Excela do eksploracji i wizualizacji informacji. Ta książka krok po kroku wprowadza w świat uczenia maszynowego i analizy danych, idealna dla początkujących i średniozaawansowanych analityków.
10. Python w analizie danych.: Poznaj narzędzia Pythona do analizy danych i naucz się wyciągać wartościowe wnioski bez konieczności głębokiej wiedzy statystycznej. Ta książka, zaktualizowana do wersji 3.0, pokaże Ci, jak efektywnie korzystać z bibliotek pandas i innych środowisk do analizy danych.