1 x 101,06 zł
 
 
1 x 18,30 zł
 
 
 
 
 
 
 
1 x 87,53 zł
 
 
 
 
 
 
 
1 x 34,85 zł
 
1 x 20,54 zł
 
 
 
1 x 126,01 zł
 
 
 
 
1 x 54,89 zł
 
1 x 42,45 zł
 
 
1 x 47,99 zł
 
 
 
 
 
 
 
 
 
1 x 20,54 zł
 
 
 
 
 
 
 
 
 
 
 
 
 
1 x 103,94 zł
 
 
1 x 56,16 zł
 
1 x 24,91 zł
 
1 x 62,88 zł
 
 
 
 
 
 
 
 
 
 
1 x 30,49 zł
 
1 x 26,75 zł
 
1 x 64,69 zł
 
 
1 x 29,40 zł
 
 
 
1 x 169,61 zł
 
 
 
 
 
 
1 x 34,49 zł
 
 
1 x 20,54 zł
 
 
 
1 x 41,07 zł
 
1 x 38,54 zł
 
 
 
 
 
1 x 42,58 zł
 
1 x 65,28 zł
 
 
1 x 168,46 zł
 
 
 
1 x 15,68 zł
 
 
 
 
 
 
 
 

Brak produktów

1x Udało się!... -3,42 zł
Wartość produktów: 7 942,27 zł
Realizuj zamówienie

Produkt dodany do koszyka!

Ilość:
Razem:

Produktów w koszyku: 102. Jest 1 produkt w Twoim koszyku.

Wartość koszyka: 6 913,78 zł
Praktyczne uczenie nienadzorowane przy użyciu języ Zobacz większe

Praktyczne uczenie nienadzorowane przy użyciu języ

Autor:  Ankur A. Patel
Wydawca: APN PROMISE



Kliknij i napisz własną opinię >>

55,86 zł


OPŁACONE DO 14:00 ZAMÓWIENIE Z TYM PRODUKTEM WYŚLEMY DO 72 GODZIN.

Jak budować użytkowe rozwiązania uczenia maszynowego na podstawie nieoznakowanych danych.
Wielu ekspertów branżowych uważa uczenie nienadzorowane za kolejną granicę w dziedzinie sztucznej inteligencji, która może stanowić klucz do pełnej sztucznej inteligencji. Ponieważ większość danych na świecie jest nieoznakowana, nie można do nich zastosować konwencjonalnego uczenia nadzorowanego. Z kolei uczenie nienadzorowane może być stosowane wobec nieoznakowanych zbiorów danych w celu odkrycia istotnych wzorców ukrytych głęboko w tych danych, które dla człowieka mogą być niemal niemożliwe do odkrycia.
Autor Ankur Patel pokazuje, jak stosować uczenie nienadzorowane przy wykorzystaniu dwóch prostych platform dla języka Python: Scikit-learn oraz TensorFlow (wraz z Keras). Dzięki dołączonemu kodowi i praktycznym przykładom analitycy danych będą mogli identyfikować trudne do znalezienia wzorce w danych i odkrywać dogłębne zależności biznesowe, wykrywać anomalie, przeprowadzać automatyczną selekcję zmiennych i generować syntetyczne zbiory danych. Wystarczy znajomość programowania i nieco doświadczenia w uczeniu maszynowym, aby zająć się:
Porównywaniem mocnych i słabych stron różnych podejść do uczenia maszynowego: uczenia nadzorowanego, nienadzorowanego i wzmacnianego.
Przygotowywaniem i zarządzaniem projektami uczenia maszynowego.
Budowaniem systemu wykrywania anomalii w celu wychwycenia oszustwa dotyczącego kard kredytowych.
Rozdzielaniem użytkowników na wydzielone i jednorodne grupy.
Przeprowadzaniem uczenia pół-nadzorowanego.
Opracowywaniem systemów polecania filmów z użyciem ograniczonych automatów Boltzmanna.
Generowaniem syntetycznych obrazów przy użyciu generujących sieci antagonistycznych.
Badacze, inżynierowie i studenci docenią tę książkę pełną praktycznych technik uczenia nienadzorowanego, napisaną prostym językiem z nieskomplikowanymi przykładami w języku Python, które można szybko i skutecznie implementować.
Sarah Nagy
Główny analityk danych w firmie Edison
Ankur A. Patel jest wiceprezesem ds. informatyki analitycznej w firmie 7Park Data, wspieranej przez firmę inwestycyjną Vista Equity Partners. W firmie 7Park Data, Ankur i jego zespół analizy danych wykorzystują dane alternatywne do opracowywania produktów związanych z danymi dla funduszy hedgingowych i korporacji oraz rozwijają usługi uczenia maszynowego dla klientów firmowych.

Autor Ankur A. Patel
ISBN 9788375414264
Rok wydania Rok wydania: 2020, oprawa: broszurowa
Wydawnictwo APN PROMISE
Data premiery 2020-07-13
Oprawa broszurowa
Ilość stron 362
Cena detaliczna netto 76.00
Cena detaliczna brutto 79.80
Format 17x23 cm

Napisz recenzję

Praktyczne uczenie nienadzorowane przy użyciu języ

Praktyczne uczenie nienadzorowane przy użyciu języ