Author Description

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 neuronowych: 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 ksiazce: 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 maszynowe: 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 ró