SOWA OPAC : Katalog demonstracyjny STRIX

4 wyniki

Książka

W koszyku

Autor

Müller Andreas Christian. Guido Sarah. Sternik Michał.

Forma i typ

Książki Publikacje fachowe

Temat

Algorytmy Analiza danych Przetwarzanie danych Python (język programowania) Sztuczna inteligencja Uczenie się maszyn

Gatunek

Opracowanie Poradnik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Introduction to machine learning with Python: a guide for data scientists.

Praktyczna książka ułatwiająca rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn.

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Czytelnia Wypożyczalni Centralnej

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 952571 (1 egz.)

E-book

W koszyku

Advanced Machine Learning with Python. Solve challenging data science problems by mastering cutting-edge machine learning techniques in Python / Victor Marak, Nishant Shukla, John Hearty, Jeffery Yee, Man Chon (Kevin) U, Gavin Hackeling, Sarah Guido, Mikhail Korobov, Andreas Mueller, Aman Madaan. - [miejsce nieznane] : Packt Publishing : ebookpoint BIBLIO, 2016. - 278 s.

Autor

Marak Victor. Shukla Nishant. Hearty John. Yee Jeffery. U Man Chon (Kevin). Hackeling Gavin. Guido Sarah. Korobov Mikhail. Mueller Andreas. Madaan Aman.

Forma i typ

E-booki

Designed to take you on a guided tour of the most relevant and powerful machine learning techniques in use today by top data scientists, this book is just what you need to push your Python algorithms to maximum potential. Clear examples and detailed code samples demonstrate deep learning techniques, semi-supervised learning, and more - all whilst working with real-world applications that include image, music, text, and financial data.The machine learning techniques covered in this book are at the forefront of commercial practice. They are applicable now for the first time in contexts such as image recognition, NLP and web search, computational creativity, and commercial/financial data modeling. Deep Learning algorithms and ensembles of models are in use by data scientists at top tech and digital companies, but the skills needed to apply them successfully, while in high demand, are still scarce.This book is designed to take the reader on a guided tour of the most relevant and powerful machine learning techniques. Clear descriptions of how techniques work and detailed code examples demonstrate deep learning techniques, semi-supervised learning and more, in real world applications. We will also learn about NumPy and Theano.By this end of this book, you will learn a set of advanced Machine Learning techniques and acquire a broad set of powerful skills in the area of feature selection & feature engineering.

dostępna online

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.

Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.

Informacje o książce

E-book

W koszyku

Machine learning, Python i data science. Wprowadzenie / Andreas Müller, Sarah Guido ; przeł. Michał Sternik. - [miejsce nieznane] : Helion : ebookpoint BIBLIO, 2021. - 320 s. ; 24 cm.

Autor

Müller Andreas. Guido Sarah. Sternik Michał.

Forma i typ

E-booki

Uczenie maszynowe kojarzy się z dużymi firmami i rozbudowanymi zespołami. Prawda jest taka, że obecnie można samodzielnie budować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych danych. Trzeba tylko mieć pomysł i... trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych. Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badaczy i analityków danych oraz inżynierów pracujących nad aplikacjami komercyjnymi. Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zaimplementowanych w dostępnych bibliotekach. W książce między innymi: podstawowe informacje o uczeniu maszynowym najważniejsze algorytmy uczenia maszynowego przetwarzanie danych w uczeniu maszynowym ocena modelu i dostrajanie parametrów łańcuchy modeli i hermetyzacja przepływu pracy przetwarzanie danych tekstowych Python i uczenie maszynowe: programowanie do zadań specjalnych!

dostępna online

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.

Dostęp do treści elektronicznej wymaga posiadania kodu dostępu, który można odebrać w bibliotece.

Informacje o książce