Marcin Mazureknarzędzia online · artykuły · księgarniaRSS
Okładka: Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie IIITylna okładka: Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III

Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III

Autor: Sebastian Raschka, Vahid Mirjalili

Tłumacz: Krzysztof Sawka

Helionebook

75,99 zł 149,00 zł -49%

Kup w księgarni Helion

Czytaj fragmentPobierz PDF

Kategorie
Deep Learning, Machine Learning, Scikit-learn
Wydawca
Helion
Rodzaj
ebook
Format
168x237
Stron
672
Data wydania
2021-02-09
ISBN
978-83-283-7002-9
Tytuł oryginału
Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition
Seria
Najlepsi piłkarze świata
Formaty
ePub (24,4MB) · Mobi (24,4MB) · PDF (24,4MB)

Fragment książki — 30 stron

Kliknij stronę, żeby powiększyć. Całość możesz przeczytać online albo pobrać jako PDF. Fragment udostępniony przez wydawcę.

  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 1 z 301
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 2 z 302
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 3 z 303
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 4 z 304
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 5 z 305
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 6 z 306
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 7 z 307
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 8 z 308
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 9 z 309
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 10 z 3010
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 11 z 3011
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 12 z 3012
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 13 z 3013
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 14 z 3014
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 15 z 3015
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 16 z 3016
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 17 z 3017
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 18 z 3018
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 19 z 3019
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 20 z 3020
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 21 z 3021
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 22 z 3022
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 23 z 3023
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 24 z 3024
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 25 z 3025
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 26 z 3026
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 27 z 3027
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 28 z 3028
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 29 z 3029
  • Fragment „Python. Machine learning i deep learning. Biblioteki scikit-learn i TensorFlow 2. Wydanie III” — strona 30 z 3030

Opis

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 sentymentów

Uczenie głębokie z Pythonem: zrozum i zastosuj!

Linki do księgarni są linkami partnerskimi Grupy Helion i Księgarni PWN (przez sieć Adtraction). Ceny i dostępność pochodzą z oferty wydawcy i mogą się zmienić.