Machine learning, Python i data science. Wprowadzenie

Uczenie maszynowe często jest kojarzone z dużymi korporacjami i rozbudowanymi zespołami specjalistów. Jednak w dzisiejszych czasach każdy, kto ma innowacyjny pomysł i podstawową wiedzę, może samodzielnie tworzyć zaawansowane rozwiązania w tej dziedzinie oraz wykorzystywać ogromne ilości dostępnych danych. Chociaż wiele publikacji poświęconych jest uczeniu maszynowemu oraz sztucznej inteligencji, często przyjmują one założenie, że czytelnik zna zaawansowaną matematykę, co bywa barierą w nauce mimo rosnącego zastosowania tych technologii w badaniach i biznesie.

Książka, którą trzymasz w rękach, jest praktycznym przewodnikiem, który pomoże Ci zacząć stosować uczenie maszynowe do rozwiązywania rzeczywistych problemów. Prezentuje ona przystępne wprowadzenie do tematyki uczenia maszynowego i sztucznej inteligencji, a także pokazuje, jak wykorzystywać język Python oraz bibliotekę scikit-learn. To idealne narzędzie zarówno dla badaczy danych, jak i inżynierów tworzących aplikacje komercyjne, którzy chcą skupić się na praktycznym zastosowaniu algorytmów. Matematyczne podstawy ograniczono do minimum, kładąc nacisk na praktykę i wykorzystanie szerokiej gamy modeli dostępnych w popularnych bibliotekach.

W treści książki omówiono między innymi:

- kluczowe pojęcia związane z uczeniem maszynowym
- najważniejsze algorytmy używane w tej dziedzinie
- sposoby przetwarzania danych
- techniki oceny modeli i ich optymalizacji
- tworzenie złożonych przepływów pracy i hermetyzację modeli
- przetwarzanie tekstu

Python i uczenie maszynowe otwierają nowe możliwości w programowaniu zadań specjalnych!