# Uczenie maszynowe w Pythonie dla każdego

Canonical: https://www.kolczanksiazek.pl/mark-fenner/uczenie-maszynowe-w-pythonie-dla-kazdego/9788328364257

Wersja JSON (te same dane): https://www.kolczanksiazek.pl/mark-fenner/uczenie-maszynowe-w-pythonie-dla-kazdego/9788328364257.json

![Uczenie maszynowe w Pythonie dla każdego](https://quivercdn.com/covers/helion/mark-fenner/uczenie-maszynowe-w-pythonie-dla-kazdego_978-83-2836-425-7-2f932a06.jpg?v=2026-09-04%2013%3A38%3A47)

- Książka: [Uczenie maszynowe w Pythonie dla każdego](https://www.kolczanksiazek.pl/mark-fenner/uczenie-maszynowe-w-pythonie-dla-kazdego) ([Uczenie maszynowe w Pythonie dla każdego.md](https://www.kolczanksiazek.pl/mark-fenner/uczenie-maszynowe-w-pythonie-dla-kazdego.md))
- Autorzy: [Mark Fenner](https://www.kolczanksiazek.pl/mark-fenner)
- Wydawnictwo: Helion
- ISBN: 978-83-2836-425-7
- Liczba stron: 544
- Data wydania: 2020-09-18
- Język: pl_PL
- Oprawa: Softcover

## Opis

Sztuczna inteligencja i uczenie maszynowe rozwijają się z niezwykłą dynamiką i znajdują coraz więcej różnorodnych zastosowań w niemal wszystkich branżach. Ten spektakularny postęp jest silnie związany z osiągnięciami w świecie sprzętu i oprogramowania. Obecnie do uczenia maszynowego używa się wielu języków programowania, takich jak R, C, C++, Fortran i Go, jednak najpopularniejszym wyborem okazał się Python wraz z jego specjalistycznymi bibliotekami. Znajomość tych bibliotek i narzędzi umożliwia tworzenie systemów uczących się nawet tym osobom, które nie dysponują głęboką wiedzą z dziedziny matematyki. Ta książka jest przeznaczona dla każdego, kto choć trochę zna Pythona i chce nauczyć się uczenia maszynowego. Zagadnienia matematyczne zostały tu zaprezentowane w minimalnym stopniu, za to więcej uwagi poświęcono koncepcjom, na których oparto najważniejsze i najczęściej używane narzędzia oraz techniki uczenia maszynowego. Następnie pokazano praktyczne zasady implementacji uczenia maszynowego z wykorzystaniem najdoskonalszych bibliotek i narzędzi Pythona. Opisano używane dziś komponenty systemów uczących się, w tym techniki klasyfikacji i regresji, a także inżynierię cech, która pozwala przekształcać dane na użyteczną postać. Przeanalizowano liczne algorytmy i najczęściej stosowane techniki uczenia maszynowego. Pokrótce przedstawiono modele grafowe i sieci neuronowe, w tym sieci głębokie, jak również połączenie tych technik z bardziej zaawansowanymi metodami, przydatnymi choćby w pracy na danych graficznych i tekstowych. W książce między innymi: - algorytmy i modele uczenia maszynowego - zasady oceny skuteczności systemów uczących - techniki przekształcania danych - techniki uczenia maszynowego do obrazu i tekstu - sieci neuronowe i modele grafowe - biblioteka scikit-learn i inne narzędzia Pythona Uczenie maszynowe z Pythonem: od dziś dla każdego!