Uczenie maszynowe jest dziś użytkowane w rozmaitych dziedzinach życia: w biznesie, w polityce, w organizacjach non profit i oczywiście w nauce. Samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania informacji w wiedzę. Powstało niemało książek wyjaśniających sposób działania tych algorytmów i demonstrujących często efektowne przykłady ich użycia. Do dyspozycji pozostają też narzędzia dedykowane do tego typu zastosowań, takie jak biblioteki Pythona, w tym pandas i scikit-learn. Problemem pozostaje implementacja rozwiązań powszednich 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 usprawniający rozwiązywanie konkretnych problemów napotykanych w trakcie codziennej pracy z uczeniem maszynowym. Dzięki zawartym tu recepturom takie zadania jak wczytywanie danych, obsługa informacji tekstowych i liczbowych, dobór modelu czy redukcja wymiarowości staną się o mnóstwo łatwiejsze do wykonania. Każda receptura posiada kod, który można wstawić do swojego programu, dopasować 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 poręcznego 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, a także 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!
- Autorzy: Albon Chris
- Ciężar: 0,504
- Format: 17.0x24.0cm
- ISBN: 9788328350465
- Język oryginalny: angielski
- Języki: polski
- Kod wydawcy: 20367
- objętość: 344
- Oprawa: Miękka
- PKWiU: 58.11.19.0
- Podtytuł: Receptury
- Rok wydania: 2019
- Tłumacze: Górczyński Robert
- typ publikacji: KS
- Tytuł oryginalny: Machine learning with Python cookbook
- Wydawca: Helion
- Wysokość: 20