Upload dokumentów - promocja książek - darmowy hosting pdf - czytaj fragmenty
Określenie „inteligentna sieć” może przywodzić na myśl futurystyczną wizję maszyn przejmujących kontrolę ponad światem i niszczących ludzkość, jednak w rzeczywistości jest związane z rozwojem technologii. Związane jest z powstawaniem oprogramowania, które potrafi się uczyć i reagować na zachowania użytkowników. Oznacza również projektowanie i implementację inteligencji maszynowej. Inteligentna sieć rozwija się tu i teraz — znajomość zagadnień uczenia maszynowego i budowy inteligentnych algorytmów staje się bardzo niezbędna inżynierom oprogramowania!Niniejsza książka ebook jest przeznaczona dla osób, które chcą projektować inteligentne algorytmy, a przy tym mają podstawy z zakresu programowania, matematyki i statystyki. Przedstawiono tu schematy projektowe i praktyczne przykłady rozwiązań. Opisano algorytmy, które przetwarzają strumienie danych pochodzące z internetu, a także systemy rekomendacji i klasyfikowania danych za pomocą algorytmów statystycznych, sieci neuronowych i uczenia głębokiego. Mimo że przyswojenie tych zagadnień wymaga wysiłku, bardzo ułatwi implementację nowoczesnych, inteligentnych aplikacji!W tej książce pdf pomiędzy innymi: wprowadzenie do kłopotów algorytmów inteligentnych, systemy rekomendacji i filtrowanie kolaboratywne, wykorzystanie regresji logistycznej do wykrywania oszustw, uczenie głębokie, uczenie na żywo i renesans sieci neuronowych, podejmowanie decyzji, perspektywy inteligentnej sieci.
Szczegóły | |
---|---|
Tytuł | Inteligentna sieć. Algorytmy przyszłości |
Autor: | McIlwraith Douglas, Marmanis Haralambos, Babenko Dmitry |
Rozszerzenie: | brak |
Język wydania: | polski |
Ilość stron: | |
Wydawnictwo: | Wydawnictwo Helion |
Rok wydania: |
Tytuł | Data Dodania | Rozmiar |
---|
PDF Upload - Zapytania o Książki - Dokumenty © 2018 - Wszystkie prawa zastrzeżone.
Recenzje
Książka ebook jest na temat inteligentnych algorytmów wykorzystywanych w ogólnie pojętym WEB. Dla osób nieźle obeznanych w temacie pozycja zbędna, nie dowiedzą się raczej niczego nowego. Omawia ona podstawowe sposoby słynne od lat. W książce pdf nie ma słowa nawet o SVM. Mimo tego zalecam jako luźne wprowadzenie ukazujące praktyczne zastosowania Machine Learning bez surowej wiedzy matematycznej.
Bardzo niezły wstęp i przegląd technik analizy danych. Twórca w bardzo przejrzysty i przystępny sposób pokazuje metody analizy, klastrowanie i grupowania danych. Bardzo niezły wstęp do bardziej zaawansowanych zagadnień. Wykorzystywany kod w książce pdf w języku Python. Zdarza się wykorzystywanie przestarzałych metod pochodzących z pakietów (np. sklearn.mixture.GMM zamiast sklearn.mixture.GaussianMixture). Osobiście zalecam każdemu kto chce zacząć przygodę z analizą danych czy uczeniem maszynowym.