Praktyczne uczenie maszynowe - Marcin Szeliga [KSIĄŻKA]

Ostatnia dekada to czas bezprecedensowego rozwoju sztucznej inteligencji - nie tylko przełomowych badań nad algorytmami uczenia maszynowego, ale również coraz powszechniejszego stosowania inteligentnych maszyn w najróżniejszych dziedzinach naszego życia. Rozwój ten ogranicza niewystarczająca liczba specjalistów, łączących znajomość modelowania danych (przygotowania danych i zasad działania algorytmów uczenia maszynowego) ze znajomością języków analizy danych, takich jak SQL, R czy Python.

Inżynieria danych (ang. data science) to interdyscyplinarna wiedza, której opanowanie wymaga znajomości algebry, geometrii, statystyki, rachunku prawdopodobieństwa i algorytmiki, uzupełnionej o praktyczną umiejętność programowania. Co więcej, sztuczna inteligencja jest przedmiotem intensywnych badań naukowych i samo śledzenie postępów w tej dziedzinie wiąże się z regularnym (codziennym) dokształcaniem.

Niniejsza książka łączy w sobie teorię z praktyką. Opisuje rozwiązania kilkunastu typowych problemów, takich jak prognozowanie zysków, optymalizacja kampanii marketingowej, proaktywna konserwacja sprzętu czy oceny ryzyka kredytowego. Ich układ jest celowy - każdy przykład jest okazją do wyjaśnienia określonych zagadnień, zaczynając od narzędzi, przez podstawy uczenia maszynowego, sposoby oceny jakości danych i ich przygotowania do dalszej analizy, zasady tworzenia modeli uczenia maszynowego i ich optymalizacji, po wskazówki dotyczące wdrożenia gotowych modeli do produkcji.

Książka jest adresowana do wszystkich, którzy chcieliby poznać lub udoskonalić:

• praktyczną znajomość statystki i umiejętność wizualizacji danych niezbędnej do oceny jakości danych;
• praktyczną znajomość języka SQL, R lub Python niezbędnej do uporządkowania, wstępnego przygotowania i wzbogacenia danych;
• zasady działania poszczególnych algorytmów uczenia maszynowego koniecznych do ich wyboru i optymalizacji;
• korzystanie z języka R lub Python do stworzenia, oceny, zoptymalizowania i wdrożenia do produkcji modeli eksploracji danych.

Zarówno studenci kierunków informatycznych, jak również analitycy, programiści, administratorzy baz danych oraz statystycy znajdą w książce informacje, które pozwolą im opanować praktyczne umiejętności potrzebne do samodzielnego tworzenia systemów uczenia maszynowego.

Żyjemy w XXI wieku, a sztuczna inteligencja jest coraz większą częścią naszej codzienności. Poznaj najważniejsze zagadnienia nauczania maszynowego oraz praktyczne zastosowania języków SQL i Python dzięki pozycji "Praktyczne uczenie maszynowe".

Data science jest coraz popularniejszą gałęzią nauki, która polega na rozwoju sztucznej inteligencji. To właśnie na inżynierii danych oparte są takie rzeczy, jak nawigacja szukająca najkrótszej drogi z punktu A do punktu B, rozpoznawanie numerów rejestracyjnych pojazdów, chatboty, z którymi można przeprowadzić interesujące rozmowy, asystent głosowy czy aplikacje rozpoznające obrazy. Data science jest rozległą wiedzą, której opanowanie wymaga znajomości geometrii, algorytmiki, rachunku prawdopodobieństwa, algebry i statystki. Do tego niezbędna jest oczywiście praktyczna umiejętność programowania, najlepiej w przystosowanym do tego języku, jakim jest Python.

Książka "Praktyczne uczenie maszynowe" jest połączeniem cennej teorii i niezbędnej praktyki. Marcin Szeliga pomaga czytelnikowi zrozumieć i wyeliminować najczęściej występujące problemy z prognozowaniem zysków, oceną ryzyka kredytowego czy konserwacją sprzętu. Autor opisuje niezbędne narzędzia, podstawy nauczania maszynowego, i opowiada o sposobach oceny jakości danych. Na koniec przechodzi do zasad tworzenia modeli uczenia maszynowego, gdzie wykorzystywane są ogromne ilości analizowanych danych. Niezbędna jest także ich optymalizacja. Później zostanie już tylko proste wdrożenie do produkcji.

"Praktyczne uczenie maszynowe" zostało napisane z myślą o studentach, programistach i analitykach danych. Autor pomaga w praktycznym poznaniu statystyki, języków SQL, R oraz Pythona, zasad działania algorytmów uczenia maszynowego, a także tworzenia, optymalizacji i wdrożenia do produkcji gotowych modeli. Wszystko to napisane jest w prosty i przejrzysty sposób, wzbogacony o wyraźne ilustracje. Marcin Szeliga stworzył również takie poradniki, jak "Praktyczny kurs SQL", "Data Science i uczenie maszynowe" czy "Access 2016 PL. Kurs".