

Python. Machine learning i deep learning - Raschka

Parametry
- Stan
- Nowy
- Faktura
- Faktura VAT
- Wydawnictwo
- Helion
- Język
- polski
- Okładka
- miękka
- Waga (z opakowaniem)
- 0,955 kg
- Wysokość produktu
- 24 cm
- Szerokość produktu
- 16 cm
- Numer wydania
- 3
- Autor
- Sebastian Raschka, Vahid Mirjalili
- Liczba stron
- 672
- Tytuł
- Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III
- Rok wydania
- 2 021
- ISBN
- 9788328370012
- Nośnik
- książka papierowa
- Gatunek
- Programowanie
Opis produktu

Python. Machine learning i deep learning
Autor: Sebastian Raschka, Mirjalili Vahid
EAN: 9788328370012
Typ publikacji: książka
Strony: 672
Oprawa: Miękka
Wydawca: Helion
SID: 2971933
Python. Machine learning i deep learning
Uczenie maszynowe jest jedną z najbardziej fascynujących technologii naszych czasów - rozwojem jego najróżniejszych zastosowań zajmują się tacy giganci jak Google, Facebook, Apple, Amazon czy IBM. Uczenie maszynowe otwiera zupełnie nowe możliwości i powoli staje się nieodzowne: wystarczy wymienić asystenty głosowe w smartfonach, chatboty ułatwiające klientom wybór produktu, a także sieci ułatwiające podejmowanie decyzji o inwestycjach giełdowych, filtrujące niechciane wiadomości e-mail czy wspomagające diagnostykę medyczną.Oto obszerny przewodnik po uczeniu maszynowym i uczeniu głębokim w Pythonie. Zawiera dokładne omówienie najważniejszych technik uczenia maszynowego oraz staranne wyjaśnienie zasad rządzących tą technologią. Poszczególne zagadnienia zilustrowano mnóstwem wyjaśnień, wizualizacji i przykładów, co znakomicie ułatwia zrozumienie materiału i sprawne rozpoczęcie samodzielnego budowania aplikacji i modeli, takich jak te służące do klasyfikacji obrazów, odkrywania ukrytych wzorców czy wydobywania dodatkowych informacji z danych. Wydanie trzecie zostało zaktualizowane - znalazł się w nim opis biblioteki TensorFlow 2 i najnowszych dodatków do biblioteki scikit-learn. Dodano również wprowadzenie do dwóch nowatorskich technik: uczenia przez wzmacnianie i budowy generatywnych sieci przeciwstawnych (GAN).W książce między innymi: platformy, modele i techniki uczenia maszynowego wykorzystywanie biblioteki scikit-learn i TensorFlow sieci neuronowe, sieci GAN i inne przygotowywanie danych dla modeli uczenia maszynowego ocena i strojenie modeli analizy: regresyjna, skupień i sentymentówUczenie głębokie z Pythonem: zrozum i zastosuj!
