10 szt.
Elektronika dla początkujących
56,02
PLN
Cena rynkowa: 79.80 PLN
WPROWADZENIE DO UCZENIA MASZYNOWEGO Z WYKORZYSTANIEM INTUICYJNEGO JĘZYKA PROGRAMOWANIA R
Uczenie maszynowe i analiza danych pełnią coraz ważniejszą rolę w tworzeniu wartości dodanej. Uczenie maszynowe pozwala znajdować ukryte w danych zależności, wnosząc nowe pomysły i wiedzę, którą trudno byłoby osiągnąć bez tej zaawansowanej techniki. Książka Praktyczne uczenie maszynowe w języku R to wstępne przygotowanie do pracy z dużymi zbiorami danych w języku programistycznym R, który jest łatwy w zrozumieniu i został opracowany specjalnie z myślą o analizie statystycznej. Nawet osoby bez doświadczenia w programowaniu mogą skorzystać z tej książki, dowiadując się, w jaki sposób praktyczne zastosowania uczenia maszynowego pozwalają analitykom danych pozyskiwać strategiczne informacje biznesowe, solidne prognozy i podejmować trafniejsze decyzje.
W odróżnieniu od innych książek na ten temat, Praktyczne uczenie maszynowe w języku R oferuje zarówno teoretyczne, jak i techniczne wprowadzenie do uczenia maszynowego. W przykładach i ćwiczeniach wykorzystywany jest język programowania R oraz najnowsze narzędzia analizy danych, co pozwala zacząć pracę bez nadmiernego zagłębiania się w zaawansowaną matematykę. Dzięki tej książce techniki uczenia maszynowego - począwszy od regresji logistycznej po reguły asocjacyjne i analizę skupień - są w zasięgu ręki.
Jedyna publikacja, która łączy intuicyjne wprowadzenie do uczenia maszynowego z opisami zastosowań technicznych krok po kroku. Książka Praktyczne uczenie maszynowe w języku R pokaże jak:
przyswoić koncepcje różnych typów uczenia maszynowego,
odkrywać wzorce ukryte w dużych zbiorach danych,
pisać i wykonywać skrypty R za pomocą RStudio,
używać języka R w połączeniu z pakietami Tidyverse do zarządzania danymi i ich wizualizacji,
stosować podstawowe techniki statystyczne, takie jak regresja logistyczna czy naiwny klasyfikator Bayesa,
oceniać i ulepszać modele uczenia maszynowego.
DR FRED NWANGANGA jest profesorem uczelni na wydziale Business Analytics w Mendoza College of Business na uniwersytecie Notre Dame. Ma ponad 15-letnie doświadczenie w pełnieniu roli lidera technicznego.
DR MIKE CHAPPLE jest profesorem uczelni na wydziale Technology, Analytics, and Operations w Mendoza College of Business. Mike jest autorem ponad 25 poczytnych książek i pełni funkcję dyrektora naukowego programu studiów magisterskich z analizy biznesowej.
Uczenie maszynowe i analiza danych pełnią coraz ważniejszą rolę w tworzeniu wartości dodanej. Uczenie maszynowe pozwala znajdować ukryte w danych zależności, wnosząc nowe pomysły i wiedzę, którą trudno byłoby osiągnąć bez tej zaawansowanej techniki. Książka Praktyczne uczenie maszynowe w języku R to wstępne przygotowanie do pracy z dużymi zbiorami danych w języku programistycznym R, który jest łatwy w zrozumieniu i został opracowany specjalnie z myślą o analizie statystycznej. Nawet osoby bez doświadczenia w programowaniu mogą skorzystać z tej książki, dowiadując się, w jaki sposób praktyczne zastosowania uczenia maszynowego pozwalają analitykom danych pozyskiwać strategiczne informacje biznesowe, solidne prognozy i podejmować trafniejsze decyzje.
W odróżnieniu od innych książek na ten temat, Praktyczne uczenie maszynowe w języku R oferuje zarówno teoretyczne, jak i techniczne wprowadzenie do uczenia maszynowego. W przykładach i ćwiczeniach wykorzystywany jest język programowania R oraz najnowsze narzędzia analizy danych, co pozwala zacząć pracę bez nadmiernego zagłębiania się w zaawansowaną matematykę. Dzięki tej książce techniki uczenia maszynowego - począwszy od regresji logistycznej po reguły asocjacyjne i analizę skupień - są w zasięgu ręki.
Jedyna publikacja, która łączy intuicyjne wprowadzenie do uczenia maszynowego z opisami zastosowań technicznych krok po kroku. Książka Praktyczne uczenie maszynowe w języku R pokaże jak:
przyswoić koncepcje różnych typów uczenia maszynowego,
odkrywać wzorce ukryte w dużych zbiorach danych,
pisać i wykonywać skrypty R za pomocą RStudio,
używać języka R w połączeniu z pakietami Tidyverse do zarządzania danymi i ich wizualizacji,
stosować podstawowe techniki statystyczne, takie jak regresja logistyczna czy naiwny klasyfikator Bayesa,
oceniać i ulepszać modele uczenia maszynowego.
DR FRED NWANGANGA jest profesorem uczelni na wydziale Business Analytics w Mendoza College of Business na uniwersytecie Notre Dame. Ma ponad 15-letnie doświadczenie w pełnieniu roli lidera technicznego.
DR MIKE CHAPPLE jest profesorem uczelni na wydziale Technology, Analytics, and Operations w Mendoza College of Business. Mike jest autorem ponad 25 poczytnych książek i pełni funkcję dyrektora naukowego programu studiów magisterskich z analizy biznesowej.
Szczegóły produktu
-
Autor:
Nwanganga Fred, Chapple Mike
-
Format:
17.0x23.0cm
-
ISBN:
9788375414783
-
Objętość:
438
-
Oprawa:
Miękka
-
Rok wydania:
2022
-
Tematyka:
Informatyka
Polecamy także
Programowanie Internetu rzeczy
51,53
PLN
Cena rynkowa: 89.99 PLN
Excel 2021 i Microsoft 365 Krok po kroku
56,02
PLN
Cena rynkowa: 79.80 PLN
Excel 2021 i Microsoft 365 Analiza i modelowanie danych biznesowych
85,34
PLN
Cena rynkowa: 149.00 PLN
Mikrousługi Budowa i działanie
56,02
PLN
Cena rynkowa: 79.80 PLN
Wprowadzenie do Raspberry Pi
31,37
PLN
Cena rynkowa: 44.70 PLN
Infrastruktura jako kod
69,29
PLN
Cena rynkowa: 98.70 PLN
Wzorce projektowe uczenia maszynowego
63,16
PLN
Cena rynkowa: 89.99 PLN
Arduino w nauce
51,53
PLN
Cena rynkowa: 89.99 PLN
Wprowadzenie do Raspberry Pi
25,06
PLN
Cena rynkowa: 35.70 PLN