1 szt.
Zrównoważony kod
69,50
PLN
Cena rynkowa: 99.00 PLN
Opanuj podstawy uczenia maszynowego
Od mniej więcej piętnastu lat jesteśmy świadkami rewolucji w nauczaniu maszynowym na niesamowitą skalę. Rewolucji tej sprzyja intensywny rozwój głębokich sieci neuronowych oraz niezbędnego do tego sprzętu obliczeniowego, takiego jak karty graficzne. "Deep learning", "machine learning" - te słowa klucze rozpalają wyobraźnię programistów, innowatorów i przedstawicieli przemysłu na całym świecie.
Także studentów kierunków politechnicznych. Na świecie wydaje się sporo literatury poświęconej tym zagadnieniom, w Polsce niestety mamy pod tym względem deficyt.
Niniejszy podręcznik, pomyślany jako wprowadzenie do tematu uczenia głębokiego, ma z założenia uzupełnić tę lukę. W związku z tym opracowany został w sposób umożliwiający zrozumienie zawartych w nim treści także osobom, które nie zetknęły się dotąd nawet z klasycznymi metodami nauczania maszynowego.
Stąd sporo miejsca autorzy poświęcają podstawowym konceptom klastrowania, klasyfikacji oraz regresji. Druga połowa książki przybliża głębokie odpowiedniki modeli klasycznych - z naciskiem na objaśnienie podstawowych pojęć i ich intuicji.
Ponieważ dla pełnego zrozumienia modeli niezbędne jest ich zaimplementowanie, integralną część książki stanowi kod, dostępny dla czytelnika na platformie GITHUB.
Od mniej więcej piętnastu lat jesteśmy świadkami rewolucji w nauczaniu maszynowym na niesamowitą skalę. Rewolucji tej sprzyja intensywny rozwój głębokich sieci neuronowych oraz niezbędnego do tego sprzętu obliczeniowego, takiego jak karty graficzne. "Deep learning", "machine learning" - te słowa klucze rozpalają wyobraźnię programistów, innowatorów i przedstawicieli przemysłu na całym świecie.
Także studentów kierunków politechnicznych. Na świecie wydaje się sporo literatury poświęconej tym zagadnieniom, w Polsce niestety mamy pod tym względem deficyt.
Niniejszy podręcznik, pomyślany jako wprowadzenie do tematu uczenia głębokiego, ma z założenia uzupełnić tę lukę. W związku z tym opracowany został w sposób umożliwiający zrozumienie zawartych w nim treści także osobom, które nie zetknęły się dotąd nawet z klasycznymi metodami nauczania maszynowego.
Stąd sporo miejsca autorzy poświęcają podstawowym konceptom klastrowania, klasyfikacji oraz regresji. Druga połowa książki przybliża głębokie odpowiedniki modeli klasycznych - z naciskiem na objaśnienie podstawowych pojęć i ich intuicji.
Ponieważ dla pełnego zrozumienia modeli niezbędne jest ich zaimplementowanie, integralną część książki stanowi kod, dostępny dla czytelnika na platformie GITHUB.
Szczegóły produktu
-
ISBN:
9788328385412
-
Autor:
Tabor Jacek, Śmieja Marek, Struski Łukasz, Spurek Przemysław, Wołczyk Maciej
-
Oprawa:
Miękka
-
Format:
16.0x23.5cm
-
Objętość:
184
-
Rok wydania:
2022
-
Tematyka:
Informatyka
Polecamy także
Domowe lekcje matematyki. Klasy 7 i 8
28,01
PLN
Cena rynkowa: 39.90 PLN
Wstęp do analizy matematycznej, algebry i równań różniczkowych. Zadania dla studentów i kandydatów na studia
20,99
PLN
Cena rynkowa: 29.90 PLN
Elektronika dla informatyków i studentów kierunków nieelektrycznych
55,47
PLN
Cena rynkowa: 79.00 PLN
Tworzenie mikrofrontendów.
55,47
PLN
Cena rynkowa: 79.00 PLN
Start a Fire Runda pierwsza
35,03
PLN
Cena rynkowa: 49.90 PLN
Jak działa Linux Podręcznik administratora
69,50
PLN
Cena rynkowa: 99.00 PLN
C# 9.0 w pigułce
125,66
PLN
Cena rynkowa: 179.00 PLN
Elektronika dla małych i dużych. Od przewodu do obwodu
48,45
PLN
Cena rynkowa: 69.00 PLN
Encyklopedia elementów elektronicznych Tom 3
48,45
PLN
Cena rynkowa: 69.00 PLN