ODBIERZ TWÓJ BONUS :: »

Python. Uczenie maszynowe w przykładach. Najlepsze praktyki w realnych zastosowaniach. Wydanie IV Yuxi (Hayden) Liu

(ebook) (audiobook) (audiobook)
Autor:
Yuxi (Hayden) Liu
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
464
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
77,40 zł 129,00 zł (-40%)
77,40 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
39,90 zł 129,00 zł (-69%)
64,50 zł najniższa cena z 30 dni

Dodaj do koszyka Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Stosowania najlepszych praktyk uczenia maszynowego w Pythonie
  • Budowania i ulepszania klasyfikatorów obrazów oraz tekstu
  • Tworzenia systemów rekomendacyjnych z użyciem naiwnego klasyfikatora Bayesa
  • Implementowania drzew decyzyjnych, lasów losowych i drzew ze wzmocnieniem gradientowym
  • Wykorzystywania regresji logistycznej i liniowej do klasyfikacji i prognozowania
  • Przetwarzania i inżynierii cech, w tym selekcji i redukcji wymiarowości
  • Tworzenia i strojenia sieci neuronowych z TensorFlow i PyTorch
  • Zapobiegania nadmiernemu dopasowaniu modeli przez regularyzację i weryfikację krzyżową
  • Analizy tekstu i przetwarzania języka naturalnego z użyciem bibliotek Pythona
  • Klasterowania i modelowania tematycznego danych tekstowych
  • Rozpoznawania obrazów i twarzy za pomocą maszyn wektorów nośnych
  • Budowania konwolucyjnych i rekurencyjnych sieci neuronowych do klasyfikacji i prognozowania sekwencji
  • Ulepszania analizy i generowania tekstów z wykorzystaniem modeli transformerów, BERT i GPT
  • Wykorzystywania modeli multimodalnych, takich jak CLIP, do wyszukiwania obrazów na podstawie tekstu
  • Stosowania uczenia przez wzmacnianie do podejmowania decyzji w złożonych środowiskach
  • Wdrażania, monitorowania i regularnego aktualizowania modeli uczenia maszynowego

Python wraz ze swoimi bibliotekami umożliwia tworzenie coraz bardziej wyrafinowanych implementacji algorytmów uczenia maszynowego. Dzięki temu systemy przetwarzania języka naturalnego i obrazów wkraczają do naszego życia na szeroką skalę. Aby jednak uzyskiwać najlepsze wyniki w tej dziedzinie, potrzebna jest znajomość dobrych praktyk.

Oto trzecie wydanie popularnego podręcznika, z którym nauczysz się stosować zaawansowane techniki uczenia maszynowego. Zawiera dwa nowe rozdziały poświęcone architekturze Transformer oraz modelom takim jak BERT i GPT, jak również multimodalnym modelom komputerowego rozpoznawania obrazów implementowanym z wykorzystaniem PyTorch i Hugging Face. Znajdziesz tu solidną dawkę teorii połączonej z przykładami jej praktycznego zastosowania. Dzięki lekturze poszerzysz wiedzę z zakresu uczenia głębokiego, odkryjesz pełny potencjał zaawansowanych technik uczenia maszynowego i łatwiej sprostasz codziennym wyzwaniom.

W książce między innymi:

  • najlepsze praktyki uczenia maszynowego
  • budowa i ulepszanie klasyfikatorów obrazów
  • tworzenie i strojenie sieci neuronowych z wykorzystaniem TensorFlow i PyTorch
  • rekurencyjne sieci neuronowe, transformery i model CLIP
  • maszyna wektorów nośnych i poprawa ich wydajności
  • regularyzacja, wybór cech i wiele innych przydatnych technik

Najlepsze praktyki uczenia maszynowego? Tylko z Pythonem!

Wybrane bestsellery

O autorze książki

Yuxi (Hayden) Liu jest autorem cenionych książek poświęconych uczeniu maszynowemu. Wcześniej pracował w Google i stosował techniki uczenia maszynowego w takich dziedzinach jak analiza danych i cyberbezpieczeństwo. Entuzjasta edukacji.

Yuxi (Hayden) Liu - pozostałe książki

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka zawiera praktyczne przykłady kodu z wykorzystaniem Pythona?
Tak, książka prezentuje liczne przykłady kodu w Pythonie, pokazując krok po kroku implementacje algorytmów uczenia maszynowego oraz ich zastosowanie w realnych projektach.
2. Czy do korzystania z książki potrzebuję wcześniejszego doświadczenia w programowaniu?
Podstawowa znajomość Pythona oraz ogólne zrozumienie programowania będą pomocne, jednak autor wprowadza czytelnika w niezbędne zagadnienia i narzędzia na początku książki.
3. Jakie biblioteki Python są wykorzystywane w książce?
W książce omawiane i używane są popularne biblioteki do uczenia maszynowego, takie jak scikit-learn, TensorFlow, PyTorch oraz narzędzia do przetwarzania języka naturalnego i obrazów, np. Hugging Face.
4. Czy książka obejmuje nowoczesne techniki uczenia maszynowego, takie jak transformery i modele BERT lub GPT?
Tak, czwarte wydanie książki zawiera nowe rozdziały poświęcone architekturze transformerów, modelom BERT, GPT oraz multimodalnym modelom takim jak CLIP.
5. Czy książka nadaje się do nauki samodzielnej?
Tak, dzięki licznym ćwiczeniom, przykładom i przejrzystym wyjaśnieniom książka doskonale sprawdzi się jako materiał do samodzielnej nauki.
6. Czy znajdę tu informacje o najlepszych praktykach w uczeniu maszynowym?
Tak, w książce znajduje się dedykowany rozdział dotyczący dobrych praktyk, obejmujący m.in. przygotowanie danych, trenowanie modeli, wdrażanie i monitorowanie systemów ML.
7. Czy książka przyda się w pracy nad projektami komercyjnymi lub naukowymi?
Zdecydowanie tak - prezentowane techniki i przykłady bazują na realnych zastosowaniach i pomagają rozwiązywać praktyczne problemy z różnych dziedzin, od analizy tekstu po rozpoznawanie obrazów.
8. W jakiej formie dostępna jest książka na Helion.pl?
Książka dostępna jest w wersji drukowanej oraz jako e-book (PDF, ePub, mobi), co umożliwia wygodne czytanie na różnych urządzeniach.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
77,40 zł
Dodaj do koszyka
Ebook
39,90 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint