

Uczenie maszynowe w Pythonie Receptury Albon

Parametry
- Stan
- Nowy
- Faktura
- Faktura VAT
- Wydawnictwo
- Helion
- Język
- polski
- Okładka
- miękka
- Waga (z opakowaniem)
- 0,504 kg
- Wysokość produktu
- 20 cm
- Szerokość produktu
- 17 cm
- Numer wydania
- 1
- Autor
- Chris Albon
- Liczba stron
- 344
- Tytuł
- Uczenie maszynowe w Pythonie. Receptury
- Rok wydania
- 2 019
- ISBN
- 9788328350465
- Nośnik
- książka papierowa
- Seria
- O'Reilly
- Gatunek
- Podstawy obsługi komputera
Opis produktu

Uczenie maszynowe w Pythonie. Receptury
Autor: Chris Albon
EAN: 9788328350465
Typ publikacji: książka
Strony: 351
Oprawa: broszurowa
Wydawca: Helion
SID: 860475
Uczenie maszynowe w Pythonie. Receptury
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.
