Oferta w cenach detalicznych. Zaloguj się aby mieć dostęp do oferty w cenach hurtowych.
Sprzedaż tylko na faktury dla zalogowanych klientów

Działy

Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II

Wydawnictwo:
Kategoria:
Czas dostawy:
7 dni
Poleć znajomemu:
EAN:
9788328356023
Data dodania:
2024-05-02
Rok wydania:
2019
ISBN:
978-83-283-5602-3
Oprawa:
miękka
Format:
168x237
Ilość stron:
208
Cena netto:
46.67 PLN
Cena:
49.00 PLN (zawiera 5% VAT)
Ilość:
Zapytaj o produkt

Kilka słów o książce:

Data science jest interdyscyplinarną dziedziną naukową łączącą osiągnięcia uczenia maszynowego, statystyki i eksploracji danych. Umożliwia wydobywanie nowej wiedzy z istniejących danych poprzez stosowanie odpowiednich algorytmów i analizy statystycznej. Stworzono dotąd wiele algorytmów tej kategorii i wciąż powstają nowe. Stanowią one podstawę konstruowania modeli umożliwiających wyodrębnianie określonych informacji z danych odzwierciedlających zjawiska zachodzące w świecie rzeczywistym, pozwalają też na formułowanie prognoz ich przebiegu w przyszłości. Algorytmy data science są postrzegane jako ogromna szansa na zdobycie przewagi konkurencyjnej, a ich znaczenie stale rośnie.

Ta książka jest zwięzłym przewodnikiem po algorytmach uczenia maszynowego. Jej cel jest prosty: w ciągu siedmiu dni masz opanować solidne podstawy siedmiu najważniejszych dla uczenia maszynowego algorytmów. Opisom poszczególnych algorytmów towarzyszą przykłady ich implementacji w języku Python, a praktyczne ćwiczenia, które znajdziesz na końcu każdego rozdziału, ułatwią Ci lepsze zrozumienie omawianych zagadnień. Co więcej, dzięki książce nauczysz się właściwie identyfikować problemy z zakresu data science. W konsekwencji dobieranie odpowiednich metod i narzędzi do ich rozwiązywania okaże się dużo łatwiejsze.

W tej książce:

  • efektywne implementacje algorytmów uczenia maszynowego w języku Python
  • klasyfikacja danych przy użyciu twierdzenia Bayesa, drzew decyzyjnych i lasów losowych
  • podział danych na klastery za pomocą algorytmu k-średnich
  • stosowanie analizy regresji w parametryzacji modeli przewidywań
  • analiza szeregów czasowych pod kątem trendów i sezonowości danych

Algorytmy data science: poznaj, zrozum, zastosuj!

Dodaj swoją opinie