Data science jest coraz popularniejszą gałęzią nauki, która polega na rozwoju sztucznej inteligencji. To właśnie na inżynierii danych oparte są takie rzeczy, jak nawigacja szukająca najkrótszej drogi z punktu A do punktu B, rozpoznawanie numerów rejestracyjnych pojazdów, chatboty, z którymi można przeprowadzić interesujące rozmowy, asystent głosowy czy aplikacje rozpoznające obrazy. Data science jest rozległą wiedzą, której opanowanie wymaga znajomości geometrii, algorytmiki, rachunku prawdopodobieństwa, algebry i statystki. Do tego niezbędna jest oczywiście praktyczna umiejętność programowania, najlepiej w przystosowanym do tego języku, jakim jest Python.
Książka "Praktyczne uczenie maszynowe" jest połączeniem cennej teorii i niezbędnej praktyki. Marcin Szeliga pomaga czytelnikowi zrozumieć i wyeliminować najczęściej występujące problemy z prognozowaniem zysków, oceną ryzyka kredytowego czy konserwacją sprzętu. Autor opisuje niezbędne narzędzia, podstawy nauczania maszynowego, i opowiada o sposobach oceny jakości danych. Na koniec przechodzi do zasad tworzenia modeli uczenia maszynowego, gdzie wykorzystywane są ogromne ilości analizowanych danych. Niezbędna jest także ich optymalizacja. Później zostanie już tylko proste wdrożenie do produkcji.
"Praktyczne uczenie maszynowe" zostało napisane z myślą o studentach, programistach i analitykach danych. Autor pomaga w praktycznym poznaniu statystyki, języków SQL, R oraz Pythona, zasad działania algorytmów uczenia maszynowego, a także tworzenia, optymalizacji i wdrożenia do produkcji gotowych modeli. Wszystko to napisane jest w prosty i przejrzysty sposób, wzbogacony o wyraźne ilustracje. Marcin Szeliga stworzył również takie poradniki, jak "Praktyczny kurs SQL", "Data Science i uczenie maszynowe" czy "Access 2016 PL. Kurs".
Szukasz więcej propozycji? Zobacz nasze tytuły z kategorii informatyka
