Praktyczne uczenie maszynowe

More about the book

Ostatnia dekada przyniosła bezprecedensowy rozwój sztucznej inteligencji, obejmujący zarówno badania nad algorytmami uczenia maszynowego, jak i ich zastosowanie w różnych dziedzinach życia. Wyzwanie stanowi niedobór specjalistów, którzy łączą umiejętności modelowania danych z językami analizy danych, takimi jak SQL, R czy Python. Inżynieria danych wymaga interdyscyplinarnej wiedzy z algebry, geometrii, statystyki, rachunku prawdopodobieństwa i algorytmiki, a także umiejętności programowania. Sztuczna inteligencja jest przedmiotem intensywnych badań, co wymaga regularnego dokształcania. Książka łączy teorię z praktyką, przedstawiając rozwiązania typowych problemów, takich jak prognozowanie zysków czy ocena ryzyka kredytowego. Każdy przykład służy do wyjaśnienia określonych zagadnień, od narzędzi po optymalizację modeli. Publikacja jest skierowana do tych, którzy chcą rozwijać praktyczną znajomość statystyki, wizualizacji danych oraz języków analizy danych. Znajdą w niej informacje potrzebne do tworzenia systemów uczenia maszynowego, co będzie przydatne zarówno dla studentów kierunków informatycznych, jak i dla analityków, programistów czy statystyków.