Uczenie maszynowe
Uczenie maszynowe. Elementy matematyki w analizie danych
- Szczegóły
- Kategoria: Uczenie maszynowe
Na styku matematyki i informatyki
Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych.
Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu zwykle są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie... podręczne.
Inaczej jest z tą niewielkich rozmiarów książką. Jej autor przedstawia tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku - tak by czytelnikom było łatwiej je zrozumieć. Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to konieczne dla opanowania konkretnych treści z zakresu uczenia maszynowego.
Znajdziesz tu omówienie takich kluczowych zagadnień jak:
- Wnioskowanie bayesowskie
- Metoda największej wiarygodności
- Modele liniowe
- Zmienne informatywne i entropia informacji
- Łańcuch Markowa
- Ocena modelu
- Eksploracja danych za pomocą Excela. Metody uczenia maszynowego krok po kroku - [13 luty 2024]
- Analityk danych. Przewodnik po data science, statystyce i uczeniu maszynowym - [26 październik 2023]
- Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP - [16 sierpień 2023]
- Podręcznik architekta rozwiązań. Poznaj reguły oraz strategie projektu architektury i rozpocznij niezwykłą karierę. Wydanie II - [01 sierpień 2023]
- Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III - [04 lipiec 2023]