Praktyczne uczenie maszynowe (Szeliga Marcin)

Nagroda główna w Konkursie PTI - najkorzystniejsza Polska Książka Informatyczna 2020 roku Ostatnia dekada to czas bezprecedensowego rozwoju sztucznej inteligencji - nie tylko rewolucyjnych badań nad algorytmami uczenia maszynowego,także coraz powszechniejszego użytkowania inteligentnych sprzętów w najróżniejszych dziedzinach naszego życia.

Rozwój ten ogranicza niewystarczająca ilość specjalistów, łączących znajomość modelowania informacji (przygotowania informacji i zasad działania algorytmów uczenia maszynowego) ze znajomością języków analizy danych, takich jak SQL, R czy Python.

Inżynieria informacji (ang. Data science) to interdyscyplinarna wiedza, której opanowanie wymaga znajomości algebry, geometrii, statystyki, rachunku prawdopodobieństwa i algorytmiki, uzupełnionej o użyteczną umiejętność programowania.

Co więcej, sztuczna inteligencja jest przedmiotem intensywnych badań naukowych i samo śledzenie postępów w tej dziedzinie konsoliduje się z regularnym (powszednim) dokształcaniem. Niniejsza książka łączy w sobie teorię z praktyką.

Opisuje rozwiązania kilkunastu charakterystycznych 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, inicjując od narzędzi, przez podstawy uczenia maszynowego, sposoby oceny jakości informacji 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 albo udoskonalić: użyteczną znajomość statystki i umiejętność wizualizacji danych potrzebnej do oceny jakości danych; poręczną znajomość języka SQL, R lub Python koniecznej do uporządkowania, wstępnego przygotowania i wzbogacenia informacji; zasady działania poszczególnych algorytmów uczenia maszynowego niezbędnych do ich wyboru i optymalizacji; korzystanie z języka R albo Python do stworzenia, oceny, zoptymalizowania i wdrożenia do produkcji modeli eksploracji informacji.

jednocześnie studenci kierunków informatycznych, jak jeszcze analitycy, programiści, administratorzy baz oraz statystycy znajdą w książce dane, które pozwolą im opanować ergonomiczne umiejętności konieczne 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.