Python Uczenie maszynowe

by Sebastian Raschka

Uczenie maszynowe jest wyjatkowo fascynujaca dziedzina inzynierii. Coraz czesciej spotykamy sie z praktycznym wykorzystaniem tego rodzaju innowacyjnych technologii. Samouczace algorytmy maszynowe pozwalaja na uzyskiwanie wiedzy z ogromnych ilosci danych. Dla osoby planujacej rozwój kariery osiagniecie bieglosci w rozwiazywaniu problemów uczenia maszynowego jest nadzwyczaj atrakcyjna sciezka. Uzycie do tego celu Pythona pozwala dodatkowo skorzystac z bardzo przystepnego, wszechstronnego i poteznego narzedzia przeznaczonego do analizowania danych naukowych.

Ta ksiazka jest drugim, wzbogaconym i zaktualizowanym wydaniem znakomitego podrecznika do nauki o danych. Wyczerpujaco opisano tu teoretyczne podwaliny uczenia maszynowego. Sporo uwagi poswiecono dzialaniu algorytmów uczenia glebokiego, sposobom ich wykorzystania oraz metodom unikania istotnych bledów. Dodano rozdzialy prezentujace zaawansowane informacje o sieciach o sieciach splotowych, sluzacych do rozpoznawania obrazów, oraz o sieciach rekurencyjnych, znakomicie nadajacych sie do pracy z danymi sekwencyjnymi i danymi szeregów czasowych. Poszczególne zagadnienia zostaly zilustrowane praktycznymi przykladami kodu napisanego w Pythonie, co ulatwi bezposrednie zapoznanie sie z tematyka uczenia maszynowego.

W tej

struktury uzywane w analizie danych, uczeniu maszynowym i uczeniu glebokim
metody uczenia sieci neuronowych
implementowanie glebokich sieci neuronowych
analiza sentymentów i analiza regresywna
przetwarzanie obrazów i danych tekstowych
najwartosciowsze biblioteki Pythona przydatne w uczeniu maszynowym
Uczenie oto droga do wiedzy ukrytej w oceanie danych!
O autorach
Sebastian Raschka jest ekspertem w dziedzinie analizy danych i uczenia maszynowego. Obecnie przygotowuje doktorat na Michigan State University z metod obliczeniowych w biologii statystycznej. Biegle posluguje sie Pythonem. Raschka bierze równiez udzial w róznych projektach open source i wdraza nowe metody uczenia maszynowego. W wolnym czasie pracuje nad modelami predykcyjnymi dyscyplin sportowych. Jezeli nie siedzi przed monitorem, chetnie uprawia sport.

Dr Vahid Mirjalili zajmuje sie stosowaniem uczenia maszynowego w rozpoznawaniu obrazów i zwiekszaniu prywatnosci przy uzyciu danych biometrycznych. Projektuje tez modele sieci neuronowych, które maja ulatwiac wykrywanie pieszych przez pojazdy autonomiczne.

528 pages, Paperback

Published January 1, 2019

About the author

Some of my greatest passions are "Data Science" and machine learning. I enjoy everything that involves working with data: The discovery of interesting patterns and coming up with insightful conclusions using techniques from the fields of data mining and machine learning for predictive modeling.

I am a big advocate of working in teams and the concept of "open source." In my opinion, it is a positive feedback loop: Sharing ideas and tools that are useful to others and getting constructive feedback that helps us learn!

A little bit more about myself: Currently, I am sharpening my analytical skills as a PhD candidate at Michigan State University where I am currently working on a highly efficient virtual screening software for computer-aided drug-discovery and a novel approach to protein ligand docking (among other projects). Basically, it is about the screening of a database of millions of 3-dimensional structures of chemical compounds in order to identifiy the ones that could potentially bind to specific protein receptors in order to trigger a biological response.

In my free-time I am also really fond of sports: Either playing soccer or tennis in the open air or building models for predictions. I always enjoy creative discussions, and I am happy to connect with people. Please feel free to contact me by email or in one of those many other networks!