Uczenie maszynowe dla programistów

Drew Conway, John Myles White

Wyciągnij najlepsze wnioski z dostępnych danych! Maszyna myśląca jak człowiek to marzenie ludzkości. Dzięki dzisiejszej wiedzy i dostępnym narzędziom wciąż przybliżamy się do jego spełnienia. Zastanawiasz się, jak nauczyć maszynę myślenia? Jak sprawić, żeby podejmowała trafne decyzje oraz przewidywała najbliższą przyszłość na podstawie przygotowanych modeli? Na to i wiele innych pytań odpowiada ta wspaniała książka. Dzięki niej poznasz język R, nauczysz się eksplorować dostępne dane, określać wartość mediany i odchylenia standardowego oraz wizualizować powiązania między kolumnami. Gdy opanujesz już solidne podstawy teoretyczne, możesz śmiało przejść do kolejnych rozdziałów i zapoznać się z klasyfikacją binarną, tworzeniem rankingów oraz modelowaniem przyszłości przy użyciu regresji. Ponadto zrozumiesz, jak tworzyć systemy rekomendacyjne, analizować sieci społeczne oraz łamać szyfry. Książka ta jest doskonałą lekturą dla pasjonatów analizy danych i wyciągania z nich wniosków. Każdy rozdział książki jest poświęcony konkretnemu zagadnieniu uczenia maszynowego: klasyfikacji, predykcji, regresji, optymalizacji i wreszcie rekomendacji. Czytelnik nauczy się konstruować proste algorytmy uczenia maszynowego (i przepuszczać przez nie próbki danych) za pomocą języka programowania R. Uczenie maszynowe dla programistów jest więc znakomitą lekturą dla programistów parających się czy to projektami komercyjnymi, czy to rządowymi, czy wreszcie akademickimi. Skonstruuj prosty klasyfikator bayesowski odróżniający wiadomości treściwe od niechcianych na podstawie ich zawartości. Używaj regresji liniowej do przewidywania liczby odwiedzin najpopularniejszych stron WWW. Naucz się optymalizacji, próbując złamać prosty szyfr literowy. Statystycznie skonfrontuj poglądy polityków, używając rejestru głosowań. Zbuduj system rekomendacji wartościowych twitterowców. Naucz się czytać i analizować dane! Książka ta stanowi świetny przegląd przypadków i tuzina różnych technik uczenia maszynowego. Jest ukierunkowana na proces dochodzenia do rozwiązania, a nie gotowe recepty ani abstrakcyjne teorie; dzięki temu jej materiał jest dostępny dla wszystkich programistów, ale też przysłowiowych „umysłów ścisłych” — Max Shron, OkCupid  

Uczenie maszynowe. Elementy matematyki w analizie danych

Leszek Albrzykowski

Na styku matematyki i informatyki Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu zwykle są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie… podręczne. Inaczej jest z tą niewielkich rozmiarów książką. Jej autor przedstawia tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak by czytelnikom było łatwiej je zrozumieć. Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to konieczne dla opanowania konkretnych treści z zakresu uczenia maszynowego.  Znajdziesz tu omówienie takich kluczowych zagadnień jak: Wnioskowanie bayesowskie Modele liniowe Zmienne informatywne i entropia informacji Ocena wpływu cech na model Detekcja anomalii Ocena modelu

Uczenie maszynowe na Raspberry Pi

Donald Norris

Rozwijaj i replikuj interesujące eksperymenty uczenia maszynowego (ML) przy użyciu kamery Pi Camera i płytki Raspberry Pi. Niniejsza książka zapewnia solidny przegląd technik uczenia maszynowego i niezliczonych zagadnień leżących u jego podstaw, zachęcając do ich dalszego poznawania. Nietechniczne omówienia równoważą złożone objaśnienia techniczne, sprawiając, że najnowszy i najbardziej złożony temat w świecie hobbystów informatyki staje się zrozumiały i przystępny. Uczenie maszynowe, odwołujące się zwykle także do uczenia głębokiego (DL) jest obecnie zintegrowane z mnóstwem komercyjnych produktów, a także szeroko stosowane w przemyśle, medycynie i wojskowości. Trudno znaleźć jakąkolwiek nowoczesną działalność człowieka, która nie została "dotknięta" przez aplikacje sztucznej inteligencji (AI). Bazując na koncepcjach wprowadzonych w książce Beginning Artificial Intelligence with the Raspberry Pi, niniejsza książka prowadzi poza proste rozumienie koncepcji AI do rzeczywistych doświadczeń z wykorzystaniem uczenia maszynowego i praktycznych zastosowań koncepcji uczenia głębokiego w eksperymentach związanych z rozpoznawaniem obrazów przy użyciu płytki Pi. Koncepcje związane z uczeniem maszynowym na Raspberry Pi można przenieść na inne platformy, wchodząc jeszcze dalej w świat sztucznej inteligencji i uczenia maszynowego, aby realizować coraz lepsze projekty hobbystyczne lub komercyjne.

Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie

Emmanuel Ameisen

Uczenie maszynowe jest coraz popularniejsze. Stosuje się je w systemach wsparcia, systemach rekomendacyjnych, tłumaczeniach tekstów i wielu innych aplikacjach. Jednak podczas tworzenia tego rodzaju produktów inżynierowie napotykają bardzo poważne problemy. Jeśli ich nie rozwiążą, nawet obiecujący projekt może upaść. Trudność polega na tym, że zastosowanie uczenia maszynowego w konkretnej, użytkowej aplikacji jest złożonym zadaniem. Konieczne są wybór właściwej implementacji danej funkcjonalności, analiza błędów modelu, rozwiązanie problemów z czystością danych, a także weryfikacja wyników gwarantująca odpowiednią jakość produktu. To książka przeznaczona dla programistów i menedżerów, którzy wśród rodzących się idei uczenia maszynowego wciąż poszukują rozwiązań dla swojego biznesu. Autor omawia krok po kroku proces tworzenia i wdrażania aplikacji opartej na uczeniu maszynowym, a praktyczne koncepcje przedstawia za pomocą przykładowych kodów, rysunków i wywiadów z liderami w tej dziedzinie. Podpowiada, jak planować aplikację i oceniać jej jakość. Wyjaśnia także, jak budować skuteczny model, i demonstruje metody jego systematycznego usprawniania, aż do momentu osiągnięcia celu. W końcowej części opisuje strategie wdrażania i monitorowania modelu. W odróżnieniu od innych pozycji poświęconych uczeniu maszynowym ten przewodnik skupia się przede wszystkim na definiowaniu problemów, diagnozowaniu modeli i ich wdrażaniu. Dzięki tej książce: łatwiej określisz, do czego produkt ma służyć trafnie zdefiniujesz problem uczenia maszynowego szybko zbudujesz kompletny proces i pozyskasz początkowy zbiór danych zbudujesz, wytrenujesz i zoptymalizujesz model wdrożysz model w środowisku produkcyjnym przyjmiesz najlepszą metodę monitorowania pracy modelu Dobry pomysł - to zaledwie początek. Najważniejsze dzieje się później!

Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje

Matt R. Cole

Uczenie maszynowe weszło już do kanonu technologii informatycznych. Praktyczne umiejętności w tej dziedzinie powinien posiadać każdy programista i analityk. Standardowo do rozwiązań związanych z machine learning stosuje się Pythona i opracowane dla niego biblioteki, niemniej równie skutecznie można do tego celu używać innych języków programowania. Trzeba jedynie dobrze zaznajomić się z wdrożeniami algorytmów uczenia maszynowego. Niezwykle ciekawym rozwiązaniem jest pisanie takich implementacji w C#. Przemawiają za tym nie tylko zalety samego języka, ale i to, że większość aplikacji dla profesjonalistów jest pisana w C# przy użyciu takich narzędzi jak Visual Studio, SQL Server, Unity czy Microsoft Azure. Ta książka jest przeznaczona dla doświadczonych programistów C#, którzy chcą nauczyć się technik machine learning, deep learning i sztucznej inteligencji. Opisano tu dostępne narzędzia do uczenia maszynowego, dzięki którym można łatwo budować inteligentne aplikacje .NET wykorzystujące takie rozwiązania jak wykrywanie obrazów lub ruchu, wnioskowanie bayesowskie, głębokie uczenie i głęboka wiara. Omówiono zasady implementacji algorytmów uczenia nadzorowanego i nienadzorowanego oraz ich zastosowanie w budowie modeli predykcji. Przedstawiono różne techniki, od prostej regresji liniowej, przez drzewa decyzyjne i SVM, po zaawansowane rozwiązania, takie jak sztuczne sieci neuronowe, autoenkodery lub uczenie ze wzmocnieniem. Najciekawsze zagadnienia przedstawione w książce: podstawy uczenia maszynowego wykorzystywanie logiki rozmytej mapy samoorganizujące się framework Kelp.Net i jego integracja z systemem ReflectInsight realia obliczeń kwantowych Uczenie maszynowe - najlepiej z wydajnym C#!

Uczenie maszynowe w języku R. Tworzenie i doskonalenie modeli - od przygotowania danych po dostrajanie, ewaluację i pracę z big data. Wydanie IV

Brett Lantz

Uczenie maszynowe polega na przekształcaniu danych w informacje ułatwiające podejmowanie decyzji. W erze big data umożliwia pracę z ogromnymi strumieniami napływających informacji ― pozwala na ich zrozumienie i efektywne zastosowanie. Ulubionym narzędziem analityków danych jest bezpłatne wieloplatformowe środowisko programowania statystycznego o nazwie R, oferujące potężne, intuicyjne i łatwe do opanowania narzędzia. To czwarte, zaktualizowane wydanie znakomitego przewodnika poświęconego zastosowaniu uczenia maszynowego do rozwiązywania rzeczywistych problemów w analizie danych. Dzięki książce dowiesz się wszystkiego, co trzeba wiedzieć o wstępnym przetwarzaniu danych, znajdowaniu kluczowych spostrzeżeń, prognozowaniu i wizualizowaniu odkryć. W tym wydaniu dodano kilka nowych rozdziałów dotyczących data science i niektórych trudniejszych zagadnień, takich jak zaawansowane przygotowywanie danych, budowanie lepiej uczących się modeli i praca z big data. Znalazło się tu także omówienie etycznych aspektów uczenia maszynowego i wprowadzenie do uczenia głębokiego. Treść została zaktualizowana do wersji 4.0.0 języka R. Dzięki tej książce nauczysz się: kompleksowo realizować proces uczenia maszynowego przeprowadzać predykcję za pomocą drzew decyzyjnych, reguł i maszyn wektorów nośnych szacować wartości finansowe przy użyciu regresji modelować złożone procesy z wykorzystaniem sztucznych sieci neuronowych oceniać modele i poprawiać ich trafność łączyć R z bazami danych SQL i nowymi technologiami big data Naucz się przekształcać surowe dane w wiedzę!

Uczenie maszynowe w Pythonie dla każdego

Mark Fenner

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!

Uczenie maszynowe w Pythonie. Leksykon kieszonkowy

Matt Harrison

Uczenie maszynowe i nauka o danych są dziś ogromnie popularne. Dziedziny te szybko się rozwijają, a poszczególne techniki uczenia maszynowego znajdują coraz więcej różnorodnych zastosowań. Wiedza, którą można uzyskać dzięki odpowiedniemu przygotowaniu danych i ich eksploracji, często jest bezcenna. Umiejętność ich analizy oraz wiedza o możliwych sposobach rozwiązywania problemów napotykanych podczas uczenia maszynowego są więc dużymi atutami i mogą być wykorzystywane w wielu gałęziach nauki, techniki i biznesu. Z tego zwięzłego przewodnika po technikach uczenia maszynowego opartego na strukturalnych danych skorzystają programiści, badacze, osoby zajmujące się nauką o danych oraz twórcy systemów sztucznej inteligencji. Znalazł się tu wyczerpujący opis procesu uczenia maszynowego i klasyfikacji danych strukturalnych. Przedstawiono też metody klastrowania danych, analizy regresji, redukcji wymiarowości oraz inne ważne zagadnienia. Prezentowane treści zostały zilustrowane uwagami, tabelami i przykładami kodu. Nie zabrakło opisu przydatnych bibliotek, niezwykle użytecznych w pracy analityka danych. W efekcie książka pozwala na szybkie rozwiązywanie różnego rodzaju problemów związanych z przetwarzaniem danych strukturalnych. W książce między innymi: klasyfikacja, oczyszczanie i uzupełnianie braków danych eksploracyjna analiza danych i dobór modelu danych przykłady analiz regresji redukcja wymiarowości potoki w bibliotece scikit-learn Uczenie maszynowe: nowy wymiar analizy danych!

Uczenie maszynowe w Pythonie. Receptury

Chris Albon

Uczenie maszynowe jest dziś wykorzystywane w różnych dziedzinach życia: w biznesie, w polityce, w organizacjach non profit i oczywiście w nauce. Samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania danych w wiedzę. Powstało sporo książek wyjaśniających sposób działania tych algorytmów i prezentujących nieraz spektakularne przykłady ich wykorzystania. Do dyspozycji pozostają też narzędzia przeznaczone do tego rodzaju zastosowań, takie jak biblioteki Pythona, w tym pandas i scikit-learn. Problemem pozostaje implementacja rozwiązań codziennych problemów związanych z uczeniem maszynowym. Z tej książki najwięcej skorzystają profesjonaliści, którzy znają podstawowe koncepcje związane z uczeniem maszynowym. Osoby te potraktują ją jako przewodnik ułatwiający rozwiązywanie konkretnych problemów napotykanych podczas codziennej pracy z uczeniem maszynowym. Dzięki zawartym tu recepturom takie zadania jak wczytywanie danych, obsługa danych tekstowych i liczbowych, wybór modelu czy redukcja wymiarowości staną się o wiele łatwiejsze do wykonania. Każda receptura zawiera kod, który można wstawić do swojego programu, połączyć lub zaadaptować według potrzeb. Przedstawiono także analizy wyjaśniające poszczególne rozwiązania i ich kontekst. Z tą książką płynnie przejdziesz od rozważań teoretycznych do opracowywania działających aplikacji i praktycznego korzystania z zalet uczenia maszynowego. Receptury w tej książce dotyczą: wektorów, macierzy i tablic obsługi danych liczbowych i tekstowych, obrazów, a także związanych z datą i godziną redukcji wymiarowości za pomocą wyodrębniania i wyboru cech oceny i wyboru modelu oraz regresji liniowej i logistycznej maszyn wektorów nośnych (SVM), naiwnej klasyfikacji bayesowskiej, klasteryzacji i sieci neuronowych zapisywania i wczytywania wytrenowanych modeli Uczenie maszynowe w Pythonie - użyj sprawdzonych receptur kodu!

Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II

Kyle Gallatin, Chris Albon

W ciągu ostatnich lat techniki uczenia maszynowego rozwijały się z niezwykłą dynamiką, rewolucjonizując pracę w różnych branżach. Obecnie do uczenia maszynowego najczęściej używa się Pythona i jego bibliotek. Znajomość najnowszych wydań tych narzędzi umożliwia efektywne tworzenie wyrafinowanych systemów uczących się. Oto zaktualizowane wydanie popularnego przewodnika, dzięki któremu skorzystasz z ponad dwustu sprawdzonych receptur bazujących na najnowszych wydaniach bibliotek Pythona. Wystarczy, że skopiujesz i dostosujesz kod do swoich potrzeb. Możesz też go uruchamiać i testować za pomocą przykładowego zbioru danych. W książce znajdziesz receptury przydatne do rozwiązywania szerokiego spektrum problemów, od przygotowania i wczytania danych aż po trenowanie modeli i korzystanie z sieci neuronowych. W ten sposób wyjdziesz poza rozważania teoretyczne czy też matematyczne koncepcje i zaczniesz tworzyć aplikacje korzystające z uczenia maszynowego. Poznaj receptury dotyczące: pracy z danymi w wielu formatach, z bazami i magazynami danych redukcji wymiarowości, jak również oceny i wyboru modelu regresji liniowej i logistycznej, drzew i lasów, a także k-najbliższych sąsiadów maszyn wektorów nośnych (SVM), naiwnej klasyfikacji bayesowskiej i klasteryzacji udostępniania wytrenowanych modeli za pomocą wielu frameworków Długo szukałam książki, która spójnie przedstawiałaby algorytm ANN, hiperpłaszczyzny i wybór cech za pomocą losowego lasu. I wtedy pojawiła się ta pozycja! Vicki Boykis, inżynier uczenia maszynowego w Duo

Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów

Burak Kanber

Uczenie maszynowe jeszcze kilka lat temu stanowiło niemal wiedzę tajemną. Nieliczni eksperci w tej dziedzinie publikowali materiały w naukowym, matematycznym języku, który wymagał biegłości w algebrze liniowej czy rachunku wektorowym. Korzystano najczęściej z Pythona i jego bibliotek. Obecnie, wraz ze wzrostem popularności uczenia maszynowego, zwiększają się możliwości jego praktycznej implementacji. Rzeczywista biegłość w tej dziedzinie wymaga jednak dogłębnego zrozumienia mechaniki działania algorytmów stosowanych w uczeniu maszynowym. Implementacja tych algorytmów w JavaScripcie jest znakomitym wyborem: język ten stał się dojrzałym, potężnym i wszechstronnym narzędziem do rozwiązywania złożonych problemów. Chcesz nauczyć się implementacji algorytmów uczenia maszynowego bez zbytniego zagłębiania się w niuanse matematyczne? Jeśli dodatkowo znasz język JavaScript, ta książka jest dla Ciebie idealnym wyborem. Wyjaśniono w niej, w jaki sposób tworzyć własne implementacje, podano też przykłady przydatnych bibliotek. Sporo miejsca poświęcono sieciom neuronowym, ich architekturze i przykładom zastosowania. Przedstawiono takie zagadnienia jak wykrywanie twarzy, filtrowanie spamu, tworzenie systemów rekomendacji, rozpoznawanie znaków oraz przetwarzanie języka naturalnego. Znalazły się tu również wskazówki dotyczące dobierania odpowiednich bibliotek JavaScriptu, takich jak NaturalNode, brain, harthur oraz klasyfikatory, co umożliwia projektowanie bardziej inteligentnych aplikacji. Najważniejsze zagadnienia przedstawione w książce: potencjał JavaScriptu w uczeniu maszynowym algorytmy grupowania, klasyfikacji, reguły kojarzenia algorytmy regresji, przewidywanie wzorców i predykcja sieci neuronowe i głębokie sieci neuronowe uczenie maszynowe w aplikacjach czasu rzeczywistego Uczenie maszynowe - coś dla wyjadaczy JavaScriptu!

Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow

Aurélien Géron

Pojęcia, techniki i narzędzia służące do tworzenia systemów inteligentnych W ciągu ostatnich lat uczenie maszynowe stało się sercem wielu nowoczesnych produktów, takich jak zaawansowane techniki wyszukiwania w przeglądarkach, rozpoznawanie mowy w smartfonach czy proponowanie treści w zależności od indywidualnych preferencji użytkownika. Być może niedługo taki system inteligentny zastąpi Cię za kierownicą samochodu. Uczenie głębokie wprowadziło nową jakość do uczenia maszynowego. Daje niesamowite możliwości, jednak wymaga olbrzymiej mocy obliczeniowej i potężnych ilości danych. Programiści implementujący takie rozwiązania są poszukiwanymi specjalistami i mogą liczyć na ekscytujące oferty! Ta książka jest praktycznym podręcznikiem tworzenia systemów inteligentnych. Przedstawiono tu najważniejsze zagadnienia teoretyczne dotyczące uczenia maszynowego i sieci neuronowych. W zrozumiały sposób zaprezentowano koncepcje i narzędzia służące do tworzenia systemów inteligentnych. Opisano Scikit-Learn i TensorFlow - środowiska produkcyjne języka Python - i pokazano krok po kroku, w jaki sposób wykorzystuje się je do implementacji sieci neuronowych. Liczne praktyczne przykłady i ćwiczenia pozwolą na pogłębienie i utrwalenie zdobytej wiedzy. Jeśli tylko potrafisz posługiwać się Pythonem, dzięki tej przystępnie napisanej książce szybko zaczniesz implementować systemy inteligentne. W tej książce między innymi: podstawowe koncepcje uczenia maszynowego, uczenia głębokiego i sieci neuronowych przygotowywanie zbiorów danych i zarządzanie nimi algorytmy uczenia maszynowego rodzaje architektury sieci neuronowych uczenie głębokich sieci neuronowych olbrzymie zbiory danych i uczenie poprzez wzmacnianie Już dziś zacznij tworzyć systemy inteligentne!

Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II

Aurélien Géron

W 2006 roku świat nauki zafascynował się głębokimi sieciami neuronowymi. Wbrew wcześniejszym przekonaniom okazało się, że ich uczenie jest możliwe. Technika ta została nazwana uczeniem głębokim. Wymagała zapewnienia olbrzymiej mocy obliczeniowej i potężnych ilości danych, jednak potencjał wytrenowanych sieci głębokich był niesamowity. Kolejne lata przyniosły bujny rozwój tej technologii w wielu obszarach, co pozwoliło na tworzenie przeróżnych zaawansowanych produktów. Prace nad nowymi zastosowaniami sieci głębokich trwają. Wszystko wskazuje na to, że już wkrótce zdominują one większość dziedzin naszego życia. To drugie wydanie bestsellerowego przewodnika po technikach uczenia maszynowego. Wystarczą minimalne umiejętności programistyczne, aby dzięki tej książce nauczyć się budowania i trenowania głębokiej sieci neuronowej. Zawarto tu minimum teorii, a proces nauki jest ułatwiony przez liczne przykłady i ćwiczenia. Wykorzystano gotowe rozwiązania i przedstawiono zasady pracy ze specjalistycznymi narzędziami, w tym z TensorFlow 2, najnowszą odsłoną modułu. W efekcie niepostrzeżenie przyswoisz niezbędny zasób pojęć i narzędzi służących do tworzenia systemów inteligentnych. Poznasz różnorodne techniki i zaczniesz samodzielnie ich używać. Po lekturze będziesz biegle posługiwać się najnowszymi technologiami sztucznej inteligencji! W tej książce między innymi: podstawy uczenia maszynowego i rozpoczęcie pracy z TensorFlow techniki wykrywania obiektów, segmentacji semantycznej i mechanizmy uwagi interfejs Keras, narzędzia TF Transform i TF Serving wdrażanie modeli TensorFlow techniki uczenia nienadzorowanego, wykrywanie anomalii oraz biblioteka TF Agents TensorFlow 2: źródło magii zaawansowanych technologii!

Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III

Aurélien Géron

Pojęcia, techniki i narzędzia służące do tworzenia systemów inteligentnych Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie programów uczących się z danych. Znajdziesz tu rozsądne, intuicyjne objaśnienia, a także mnóstwo praktycznych porad! Francois Chollet, twórca interfejsu Keras To trzecie wydanie bestsellerowego przewodnika po uczeniu maszynowym. Książka jest adresowana do osób, które chcą wejść w świat uczenia maszynowego ― przy czym wystarczą do tego minimalne umiejętności programistyczne. Zawarto tu minimum teorii, a proces nauki ułatwiają liczne przykłady i ćwiczenia. Dzięki temu przyswoisz niezbędne pojęcia i nauczysz się korzystać z gotowych platform produkcyjnych Pythona: Scikit-Learn, Keras i TensorFlow. W tym wydaniu pokazano różnorodne techniki, od prostej regresji liniowej aż po głębokie sieci neuronowe. Szybko nauczysz się tworzyć działające systemy inteligentne! W książce między innymi: korzystanie ze Scikit-Learn, z TensorFlow i Keras modele: maszyny wektorów nośnych, drzewa decyzyjne, lasy losowe i metody zespołowe uczenie nienadzorowane: redukcja wymiarowości, analiza skupień, wykrywanie anomalii sieci neuronowe: sieci splotowe, rekurencyjne, modele dyfuzyjne i transformatory trenowanie i implementacje sieci neuronowych To znakomite wprowadzenie do teoretycznych i praktycznych rozważań na temat rozwiązywania problemów za pomocą sieci neuronowych! Pete Warden, mobile lead projektu Tensor Flow Twórz i trenuj nowoczesne sieci neuronowe!

Uczenie się dorosłych w zabawie

Wojciech Świtalski

Książka zawiera refleksję teoretyczną i wyniki projektu badawczego na temat zjawiska uczenia się dorosłych w zabawie. Czytelnik znajdzie w niej pogłębioną analizę ustaleń naukowych polskich i zagranicznych badaczy dotyczących ludycznej sfery aktywności człowieka w kontekście nauk społecznych, a także odniesienie do praktyki edukacyjnej. Publikacja może zainteresować zarówno teoretyków zajmujących się koncepcjami wyjaśniającymi procesy uczenia się człowieka, jak i osoby na co dzień realizujące zadania szkoleniowe czy oświatowe.

Uczenie się klienta w warunkach zmian rynkowych

Łukasz Skowron

Teza o kluczowej roli klienta na rynku jest tak oczywista, że staje się truizmem. Nie znajdziemy opinii, teoretycznych studiów czy też wyników badań empirycznych, które kwestionowałyby tę rolę. Skoro klient jest głównym uczestnikiem rynku, to zmiany na tym rynku muszą być również i jego udziałem. Zmieniający się rynek to również zmieniający się klient. Tymczasem, w jakże wielu przypadkach, okazuje się, że tak naprawdę mało znamy klienta, w szczególności niewiele wiemy, jaka jest logika zmiany w jego zachowaniach jeśli stoi on w obliczu realnych zmian rynkowych (nowe technologie, nowi dostawcy, nowe regulacje, nowe możliwości komunikacji marketingowej, itp.).

Uczenie się stawania się osobą starą

Marcin Muszyński

Książka dotyczy procesu uczenia się stawania osobą starą oraz sposoby wytwarzania jest tego typu autoidentyfikacja na poziomie indywidualnym. Autor opisuje cztery obszary sprawczości reprezentujące różne przejawy agencyjności człowieka w późnej dorosłości. Ukazuje wewnętrzny i zewnętrzny wymiar doświadczania własnej starości. Monografia zawiera model uczenia się stawania osobą starą, które rozpatrywane jest zarówno w ujęciu statycznym, jak i dynamicznym, co wskazuje na wielowariantowość i wielowymiarowość typowych scenariuszy tworzącej się identyfikacji osoby starej. Publikacja jest kierowana do gerontologów społecznych, andragogów, pedagogów, geragogów, geriatrów, pielęgniarek geriatrycznych, opiekunów społecznych, pracowników socjalnych, wolontariuszy oraz praktyków i specjalistów pracujących z seniorami. Można ją również polecić studentom specjalności medycznych i społecznych, badaczom skupionym na jakościowej metodologii badań, a także osobom zainteresowanym zagadnieniem starości i starzenia się.

Uczennica

Osamu Dazai

Uczennica została napisana na samym początku literackiej kariery Osamu Dazai. Szybko jednak zyskała rozgłos – przede wszystkim dzięki mistrzowskiemu użyciu języka. Był to styl, który z powodzeniem mógłby znaleźć się w dzienniku nastoletniej dziewczyny, a jednocześnie – bardzo malowniczy i sugestywny. Dziś widzimy w tej opowieści ironiczny opis społeczeństwa i walkę jednostki o wolność. To tematy, które Dazai eksplorował nie tylko w swojej twórczości, ale które były też wiodącymi wątkami w jego krótkiej i burzliwej biografii. Osamu Dazai (właśc. Shūji Tsushima; 1909-1948) to jedna z najważniejszych postaci w literaturze japońskiej. W czasie swojego burzliwego – bo naznaczonego uzależnieniami i licznymi próbami samobójczymi – życia zasłynął jako mistrz nowego stylu, świetnie władający językiem, potrafiący głośno wyrazić stany uczuciowe kolejnych pokoleń młodych Japończyków.   Młoda narratorka „Uczennicy” nadal jest na etapie odkrywania siebie, a stworzona przez Dazai kronika jej emocjonalnych przemian jest arcydziełem. J. Thomas Rimer, University of Pittsburgh   Chociaż przedstawione w konkretnym czasie, miejscu i kulturze, przesłanie i przestroga od Dazai mają wydźwięk uniwersalny. David Stahl, Binghamton University SUNY

Uczennica opowiadanie erotyczne BDSM

Catrina Curant

Zniewolenie. Oddanie się komuś. Ból wymieszany z rozkoszą. Chciała być zarówno widzką, jak i uczestniczką. Chciała wszystkiego. Ewa, jej nauczycielka. Wymagająca, surowa, piękna. Z wielkim dystansem w stosunku do studentów, a jednocześnie jedna z tych osób, które potrafią przekazać wiedzę. Alicja na początku się jej bała, wydała jej się strasznie despotyczna i surowa. A potem odkryła, że to na te zajęcia czeka najbardziej, że to one wydają się jej najciekawsze. Teraz z kartką w ręku orientuje się, że już od dawna jest zadurzona w Ewie. W jej ruchach, w tym, jak zmienia barwę głosu. W momencie, w którym Ewa uświadomiła jej, że wie, i odeszła. Alicja wtedy wróciła do domu, zamknęła się w pokoju i doprowadziła do orgazmu w niecałą minutę, a potem uderzała pięściami w łóżko, bo to za mało. Chciała więcej. Chciała pełnego życia. Pragnęła wyjść poza ramy tego, co właściwe. Czy adres i data na kartce są właśnie tym, czego szuka? Nie wie, ale chce sprawdzić. Romans między uczennicą i wykładowcą zawsze jest zakazany. Ewa długo się wahała zanim zdecydowała, że uwiedzie Alicję. Kary, nagrody i pierwsze razy. Czy doświadczona para wykładowczyni i jej mąż pokaże studentce, jak może wyglądać namiętność naznaczona dominacją i uległością? Catrina Curant to pseudonim artystyczny polskiej pisarki. Eksperymentowanie w łóżku, szukanie nowych doznań i odkrywanie swojej natury jest dla niej czymś naturalnym. Pisuje felietony na portalu erotycznym, odwiedza lokale swingerskie i bywa na pokazach BDSM. Fascynuje ją japońska sztuka Shibari, a w swoich tekstach stara się łączyć mistycyzm z erotyką i naturalnym ludzkim dążeniem do spełniania pragnień. Nie uznaje tematów tabu, a seksualność człowieka jest pasją jej życia.

Uczennica mistrza

Barbara A. Shapiro

Inteligentna i złożona opowieść o oszustwach w sztuce, o kradzieżach, skandalach, morderstwie i zemście. Publishers Weekly W tej zaskakującej, mrocznej i wciągającej powieści B.A. Shapiro po raz kolejny zabiera czytelników w świat sztuki, piękna i tajemnicy. Paulien Martens, oskarżona o pomoc narzeczonemu w kradzieży fortuny jej rodziny i kolekcji sztuki swojego ojca, musi uciekać do Francji. Aby chronić się przed policją i gniewem tych, którzy wszystko przez nią stracili, wymyśla sobie nową osobowość. Paulien, znana teraz jako Vivienne, zaczyna pracę dla amerykańskiego kolekcjonera sztuki, którego postać wzorowana jest na rzeczywistym, ekscentrycznym założycielu muzeum, Albercie Barnesie. Szybko wchodzi w świat Paryża lat dwudziestych, pełnego artystów i imigrantów, a uświetnionego przez postimpresjonistycznego malarza Henriego Matissea i pisarkę Gertrudę Stein. Z tej pozycji pragnie odzyskać kolekcję ojca, udowodnić swoją niewinność i zemścić się na byłym narzeczonym. B.A. Shapiro stworzyła niesamowity, luźno bazujący na historii thriller o tematyce artystycznej i po raz kolejny oferuje nam niezapomnianą opowieść o tym, co widzimy i o tym, czego nie chcemy dostrzec.

Uczeń Carpzova

Bartłomiej Basiura

Śląsk paraliżuje strach. Bezwzględny morderca szuka swojej kolejnej ofiary. Policja podąża śladem szaleńca zafascynowanego nowożytnymi torturami. Czy jednak rzeczywiście celem Ucznia Carpzova jest jedynie badanie wytrzymałości ludzi na ból? Jaki jest prawdziwy motyw jego postępowania? Komu uda się złożyć elementy tej układanki? Bartłomiej Basiura Urodzony w 1991 roku w Knurowie. Mieszkaniec niewielkiej miejscowości w województwie śląskim - Ornontowic, absolwent I Liceum Ogólnokształcącego w Gliwicach, aktualnie student czwartego roku prawa w Krakowie. Jest autorem trzech kryminałów: Hipnozy, Ucznia Carpzova oraz Zamkniętej Prawdy. Pisanie jest dla niego przede wszystkim pasją. Każda kolejna książka to ogromna dawka satysfakcji. Kryminalna tematyka jego powieści, wątki filozoficzne oraz umiejętne wprowadzanie bieżących tematów społecznych tworzy barwną akcję i trzyma w napięciu do samego końca.

Uczeń czarownicy

Adrian K. Antosik

„Uczeń Czarownicy”, pozornie jest to, książka zawierająca zbiór opowiadań. Przyjemne historie wyrwane z linii życia Rodu Dwóch Dłoni, opowiadają o losach niczym nie wyróżniającej się rodziny… Ale czy na pewno? Pozwólmy porwać się autorowi w podróż poprzez pokolenia rodziny noszącej piętno dwóch dłoni. Ludzi, którym nie obcy jest świat dawnych, mistycznych bóstw czy czarów. Poznajmy historie istot, którymi się stali, po zetknięciu się ze światem czyhającym tuż za zamkniętymi powiekami. Przypatrzmy się uważnie… Czy te historie, różnych osób w różnym czasie, na pewno nie są ze sobą powiązane? Adrian K. Antosik Szczecinianin, urodzony w 1988 roku. Jako gimnazjalista podjął pierwsze próby w świecie literackim, które po latach ukazały się w zbiorowym tomiku wierszy i jako elektroniczna książka. Publikował wiersze na stronie internetowego wydawnictwa www.zaszafie.pl.  W ramach współpracy z internetowym wydawnictwem Goneta.net wydał tomiki wierszy takie jak „Słowa pisane na skrawku papieru” czy elektroniczne książki takie jak „Plemię”. Wziął udział w projekcie organizowanym pod patronatem internetowego wydawnictwa www.bezkartek.pl, którego wynikiem było napisanie i wydanie internetowej książki pt. „Płomień Śmierci”.

Uczeń i inne opowiadania erotyczne o dominujących kobietach

Alexandra Södergran, Anita Bang, Lea Lind, Reiner Larsen Wiese, ...

" Odwróć się nakazuje mu Linda, a Lucas wykonuje polecenie. Przesuwa palcami po jego miękkich i umięśnionych pośladkach. Potem mocno je chwyta i rozsuwa. Gdy nachyla się, żeby go polizać, słyszy, że on wstrzymuje oddech. Zapach jest mocny i ciężki, to mieszanka perfum i Lucasa. Wędruje językiem po jego jądrach, odbycie, aż do dolnej części pleców." Łatwo wczuć się w rolę praktykantki podkochującej się w swoim szefie, ale ta dziewczyna jest gotowa zrobić wszystko, żeby spełnić swoje najbardziej szalone fantazje. Gdy piąty raz spotyka swojego przełożonego, całkowicie przejmuje nad nim władzę. To opowiadanie erotyczne spodoba się wszystkim, którzy lubią grę pełną napięć, zakazanych relacji i niebezpiecznych zabaw. Są pewne siebie, czarujące, błyskotliwe... I świadome swojej mocy. Gdy czegoś pragną, nic nie stanie im na przeszkodzie, by to zdobyć. Mogą mieć każdego: szefa, hydraulika, sąsiada, nieznajomą... Nawet dużo młodszych kochanków i kochanki. W tym zbiorze to kobiety dyktują warunki! Przełamują wszelkie normy, które narzuca im społeczeństwo. Przekraczają tabu. Przeżywają seksualne przebudzenie, które sprawia, że stają się zupełnie innymi osobami. Odkrywają siebie na nowo. A czasem odsłaniają swoją wrażliwą część i zakochują... W skład zbioru wchodzi 13 pikantnych, ociekających erotyzmem opowiadań: Uczeń Viola W kąpieli z panią Nilsen Uprowadzony Chłopak od basenu Tinderowa taksówka Dziewczyna z działu z bielizną Maliwan Cecile Jak sobie pościelesz, tak się wyśpisz Ostatnie życzenie pani doktor Wolna kobieta Praktykantka

Uczeń i nauczyciel w zderzeniu z cyberprzestrzenią

Danuta Szeligiewicz-Urban, Beata Matusek, Maria Kopsztejn

Gwałtowny rozwój wszystkich dziedzin ludzkiej działalności spowodował przemiany w świadomości społeczeństw. Ludzie uświadomili sobie olbrzymie możliwości i znaczenie ich intelektualnych sprawności. Problematyka poruszana w niniejszej publikacji będzie przybliżała zarówno problemy związane z zagrożeniami, jak również z korzyściami płynącymi z szeroko pojętych mediów, szczególnie w kontekście zderzenia z nimi zarówno ucznia, jak i nauczyciela. Poruszymy zagadnienia zmian, którym podlega zarówno młode pokolenie, jak i to starsze, a szczególnie nauczyciel związany zawodowo, moralnie i wychowawczo z uczniem. Warto podkreślić, że tematyka będzie potraktowana wielopłaszczyznowo i wieloaspektowo, gdyż istnieje realna potrzeba zapoznania czytelnika z różnorodnością spojrzeń na oblicza cyberprzestrzeni. We współczesnym świecie ważna jest przecież szybkość komunikacji i przekazywanie istotnych dla młodego pokolenia informacji ze świata dalszego, ale też z najbliższego. W przestrzeni życia realnego i wirtualnego znajdujemy wiele podobieństw i różnic. Zdarza się więc zderzenie tych dwóch światów – i między innymi o tym będzie nasza książka „Uczeń i nauczyciel w zderzeniu z cyberprzestrzenią”.