Product info / Cechy produktu
Rodzaj (nośnik) / Item type
|
książka / book
|
Dział / Department
|
Książki i czasopisma / Books and periodicals
|
Autor / Author
|
Chris Albon
|
Tytuł / Title
|
Uczenie maszynowe w Pythonie
|
Podtytuł / Subtitle
|
Receptury
|
Język / Language
|
polski
|
Wydawca / Publisher
|
Helion
|
Rok wydania / Year published
|
2019
|
Tytuł originału / Original title
|
Machine learning with Python cookbook
|
Języki oryginału / Original lanugages
|
angielski
|
|
|
Rodzaj oprawy / Cover type
|
Miękka
|
Wymiary / Size
|
17.0x24.0
|
Liczba stron / Pages
|
344
|
Ciężar / Weight
|
0,5040 kg
|
|
|
Wydano / Published on
|
12.03.2019
|
ISBN
|
9788328350465 (9788328350465)
|
EAN/UPC
|
9788328350465
|
Stan produktu / Condition
|
nowy / new - sprzedajemy wyłącznie nowe nieużywane produkty
|
Uczenie maszynowe jest dziś wykorzystywane w różnych dziedzinach życia: w biznesie, w polityce, w organizacjach non profit i oczywiście w nauce. Samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania danych w wiedzę. Powstało sporo książek wyjaśniających sposób działania tych algorytmów i prezentujących nieraz spektakularne przykłady ich wykorzystania. Do dyspozycji pozostają też narzędzia przeznaczone do tego rodzaju zastosowań, takie jak biblioteki Pythona, w tym pandas i scikit-learn. Problemem pozostaje implementacja rozwiązań codziennych problemów związanych z uczeniem maszynowym.
Z tej książki najwięcej skorzystają profesjonaliści, którzy znają podstawowe koncepcje związane z uczeniem maszynowym. Osoby te potraktują ją jako przewodnik ułatwiający rozwiązywanie konkretnych problemów napotykanych podczas codziennej pracy z uczeniem maszynowym. Dzięki zawartym tu recepturom takie zadania jak wczytywanie danych, obsługa danych tekstowych i liczbowych, wybór modelu czy redukcja wymiarowości staną się o wiele łatwiejsze do wykonania. Każda receptura zawiera kod, który można wstawić do swojego programu, połączyć lub zaadaptować według potrzeb. Przedstawiono także analizy wyjaśniające poszczególne rozwiązania i ich kontekst. Z tą książką płynnie przejdziesz od rozważań teoretycznych do opracowywania działających aplikacji i praktycznego korzystania z zalet uczenia maszynowego.
Receptury w tej książce dotyczą:
wektorów, macierzy i tablic
obsługi danych liczbowych i tekstowych, obrazów, a także związanych z datą i godziną
redukcji wymiarowości za pomocą wyodrębniania i wyboru cech
oceny i wyboru modelu oraz regresji liniowej i logistycznej
maszyn wektorów nośnych (SVM), naiwnej klasyfikacji bayesowskiej, klasteryzacji i sieci neuronowych
zapisywania i wczytywania wytrenowanych modeli
Uczenie maszynowe w Pythonie - użyj sprawdzonych receptur kodu!
Książka Uczenie maszynowe w Pythonie
z wysyłką za granicę