Babcock J Generative AI with Python and PyTorch 2ed 2025
Babcock J Generative AI with Python and PyTorch 2ed 2025 | 78.76 MB
Title: Python. Uczenie maszynowe w przykładach. TensorFlow 2, PyTorch i scikit-learn. Wydanie III
Author: (Hayden) Liu Yuxi
Description:
Systemy oparte na uczeniu maszynowym są coraz bardziej wyrafinowane. Spośród wielu narzędzi służących do implementacji algorytmów uczenia maszynowego najpopularniejszy okazał się Python wraz z jego bibliotekami. Znajomość tych narzędzi umożliwia sprawne tworzenie systemów uczących się, jednak uzyskanie spektakularnych wyników wymaga doświadczenia i wprawy. Konieczne są więc ćwiczenia i praktyka w samodzielnym rozwiązywaniu problemów.
To trzecie wydanie popularnego podręcznika, który ułatwi Ci zdobycie praktycznej wiedzy o uczeniu maszynowym w Pythonie. Zapoznasz się z różnymi technikami implementacji algorytmów uczenia maszynowego. Przeanalizujesz rzeczywiste przykłady techniki eksploracyjnej analizy danych, inżynierii cech, klasyfikacji danych, regresji, klastrowania i przetwarzania języka naturalnego. To wydanie uzupełniono o najnowsze zagadnienia ważne dla biznesu, takie jak tworzenie systemu rekomendacji, rozpoznawanie twarzy, prognozowanie cen akcji, klasyfikowanie zdjęć, prognozowanie sekwencji danych i zastosowanie uczenia przez wzmacnianie w podejmowaniu decyzji. Dzięki książce poznasz omawiane zagadnienia od strony praktycznej i zdobędziesz wiedzę potrzebną do skutecznego rozwiązywania problemów z systemami uczącymi się.
W książce między innymi:
gruntowne podstawy uczenia maszynowego i nauki o danych
techniki eksploracji i analizy danych za pomocą kodu Pythona
trenowanie modeli za pomocą Apache Spark
przetwarzanie języka naturalnego przy użyciu bibliotek Pythona
praktyczne wdrażanie modeli i algorytmów uczenia maszynowego
korzystanie z bibliotek Pythona: TensorFlow 2, PyTorch i scikit-learn
Wypróbuj najlepsze praktyki uczenia maszynowego z Pythonem!
DOWNLOAD:
https://rapidgator.net/file/a4696a13329272c08c2ff904730acb55/Babcock_J._Generative_AI_with_Python_and_PyTorch...2ed_2025.rar
https://uploady.io/cln9grwx9n2x/Babcock_J._Generative_AI_with_Python_and_PyTorch...2ed_2025.rar
Systemy oparte na uczeniu maszynowym są coraz bardziej wyrafinowane. Spośród wielu narzędzi służących do implementacji algorytmów uczenia maszynowego najpopularniejszy okazał się Python wraz z jego bibliotekami. Znajomość tych narzędzi umożliwia sprawne tworzenie systemów uczących się, jednak uzyskanie spektakularnych wyników wymaga doświadczenia i wprawy. Konieczne są więc ćwiczenia i praktyka w samodzielnym rozwiązywaniu problemów.
To trzecie wydanie popularnego podręcznika, który ułatwi Ci zdobycie praktycznej wiedzy o uczeniu maszynowym w Pythonie. Zapoznasz się z różnymi technikami implementacji algorytmów uczenia maszynowego. Przeanalizujesz rzeczywiste przykłady techniki eksploracyjnej analizy danych, inżynierii cech, klasyfikacji danych, regresji, klastrowania i przetwarzania języka naturalnego. To wydanie uzupełniono o najnowsze zagadnienia ważne dla biznesu, takie jak tworzenie systemu rekomendacji, rozpoznawanie twarzy, prognozowanie cen akcji, klasyfikowanie zdjęć, prognozowanie sekwencji danych i zastosowanie uczenia przez wzmacnianie w podejmowaniu decyzji. Dzięki książce poznasz omawiane zagadnienia od strony praktycznej i zdobędziesz wiedzę potrzebną do skutecznego rozwiązywania problemów z systemami uczącymi się.
W książce między innymi:
gruntowne podstawy uczenia maszynowego i nauki o danych
techniki eksploracji i analizy danych za pomocą kodu Pythona
trenowanie modeli za pomocą Apache Spark
przetwarzanie języka naturalnego przy użyciu bibliotek Pythona
praktyczne wdrażanie modeli i algorytmów uczenia maszynowego
korzystanie z bibliotek Pythona: TensorFlow 2, PyTorch i scikit-learn
Wypróbuj najlepsze praktyki uczenia maszynowego z Pythonem!
DOWNLOAD:
https://rapidgator.net/file/a4696a13329272c08c2ff904730acb55/Babcock_J._Generative_AI_with_Python_and_PyTorch...2ed_2025.rar
https://uploady.io/cln9grwx9n2x/Babcock_J._Generative_AI_with_Python_and_PyTorch...2ed_2025.rar
Information
Users of Guests are not allowed to comment this publication.
