Jesteś w:
Wyszukiwarka
TŁUMACZ JĘZYKOWY
K S I Ą Ż K I
NowościPromocjeBlog wpisy
PODRÓŻ GRECJA STAMBUŁ 25.04
PODRÓŻ GRECJA SALONIKI 24.04
PODRÓŻ GRECJA KAWALA 23.04
PODRÓŻ GRECJA KAWALA 22.04
PODRÓŻ GRECJA ATENY 21.04
PODRÓŻ GRECJA ATENY 20.04
PROM ATENY PIREUS 19.04
PODRÓŻ GRECJA HERAKLION 18.04.2026
PODRÓŻ GRECJA TURCJA BUŁGARIA (KRETA CHANIA 17.04.2026)
WSTĘP DO PODRÓŻY GRECJA TURCJA BUŁGARIA
79,99 zł
59,99 zł
39,99 zł
135,93 zł
121,02 zł
119,99 zł
49,99 zł
69,99 zł
199,99 zł
99,99 zł
ORZEŁ1
ORZEŁ 4
ORZEŁ PIASTOWSKI PRZEMYSŁAWA II
MIESZKO I KRÓL POLSKI
BOLESŁAW CHROBRY KRÓL POLSKI
KAZIMIERZ ODNOWICIEL
BOLESŁAW KRZYWOUSTY KRÓL POLSKI
WŁADYSŁAW ŁOKIETEK KRÓL POLSKI
KAZIMIERZ WIELKI KRÓL POLSKI
WŁADYSŁAW JAGIEŁŁO KRÓL POLSKI
KAZIMIERZ JAGIELLOŃCZYK KRÓL POLSKI
ZYGMUNT AUGUST KRÓL POLSKI
JAN III SOBIESKI KRÓL POLSKI
STEFAN BATORY KROL POLSKI
ZYGMUNT III WAZA KROL POLSKI
AUGUST II MOCNY KRÓL POLSKI
STANISŁAW AUGUST PONIATOWSKI KRÓL POLSKI
WAWEL ZAMEK KROLEWSKI
ZAMEK KRÓLEWSKI W WARSZAWIE
CZĘSTOCHOWA KATEDRA JASNOGÓRSKA
dodaj do przechowalni
Opis
Praktyczne uczenie nienadzorowane przy użyciu języka Python
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.
Produkty powiązane
