Python. Machine learning i deep learning Helion
| Sprzedawca | Cena produktu | Dostawa | Razem | Dostępność | Aktualizacja | |
|---|---|---|---|---|---|---|
| AL Allegro | 119,19 PLN | 25,00 PLN | 144,19 PLN | Dostępny | 5 miesięcy temu | Zobacz ofertę |
Ceny i dostępność mogą ulec zmianie. Ostatnia aktualizacja: 22.07.2026 13:54.
Produkt zgodny z opisem, szybka dostawa. Polecam porównać oferty przed zakupem.
Korzystam regularnie i śledzę ceny — alerty bardzo pomagają trafić w najlepszy moment.
- Autor: Sebastian Raschka, Vahid Mirjalili
- Tytuł: Python. Machine learning i deep learning
- Wydawca: Helion
- EAN: 9788328370012
- Strony: 672
- Rok wydania: 2021
- oprawa: broszurowa
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!