Analiza danych
Analiza danych jest ekscytującą dyscypliną, która umożliwia zrozumienie pewnych zjawisk, uzyskanie wglądu i wiedzy na podstawie surowych danych. Pojęcie to oznacza dokładnie przetwarzanie danych za pomocą technik matematycznych i statystycznych w celu uzyskania cennych wniosków, podjęcia ważnych decyzji i opracowania przydatnych produktów. Termin ten wywodzi się od angielskiego data science, często traktowanego jako synonim takich terminów, jak analityka biznesowa, badania operacyjne, business intelligence, wywiad konkurencyjny, analiza i modelowanie danych, a także pozyskiwanie wiedzy. Dzięki takim technologiom, jak języki Python czy R, platformy Hadoop i Spark masz szansę wyciągnąć maksimum wniosków, dostrzec szanse na rozwój swojej organizacji albo przewidzieć i zapobiec zagrożeniom.
Shankar Narayanan SGS, Vivekanandan SS, Jeff Hollan
Snowpark is a powerful framework that helps you unlock numerous possibilities within the Snowflake Data Cloud. However, without proper guidance, leveraging the full potential of Snowpark with Python can be challenging. Packed with practical examples and code snippets, this book will be your go-to guide to using Snowpark with Python successfully.The Ultimate Guide to Snowpark helps you develop an understanding of Snowflake Snowpark and how it enables you to implement workloads in data engineering, data science, and data applications within the Data Cloud. From configuration and coding styles to workloads such as data manipulation, collection, preparation, transformation, aggregation, and analysis, this guide will equip you with the right knowledge to make the most of this framework. You'll discover how to build, test, and deploy data pipelines and data science models. As you progress, you’ll deploy data applications natively in Snowflake and operate large language models (LLMs) using Snowpark container services.By the end of this book, you'll be able to leverage Snowpark's capabilities and propel your career as a Snowflake developer to new heights.
Yoni Ramaswami, Dael Williamson, Jan Govaere
Written by Databricks Senior Solutions Architect Yoni Ramaswami, whose expertise in Data and AI has shaped innovative digital transformations across industries, this comprehensive guide bridges foundational concepts of time series analysis with the Spark framework and Databricks, preparing you to tackle real-world challenges with confidence.From preparing and processing large-scale time series datasets to building reliable models, this book offers practical techniques that scale effortlessly for big data environments. You’ll explore advanced topics such as scaling your analyses, deploying time series models into production, Generative AI, and leveraging Spark's latest features for cutting-edge applications across industries. Packed with hands-on examples and industry-relevant use cases, this guide is perfect for data engineers, ML engineers, data scientists, and analysts looking to enhance their expertise in handling large-scale time series data.By the end of this book, you’ll have mastered the skills to design and deploy robust, scalable time series models tailored to your unique project needs—qualifying you to excel in the rapidly evolving world of big data analytics.*Email sign-up and proof of purchase required
Tomographic imaging in environmental, industrial and medical applications
Tomasz Rymarczyk
Monografia przedstawia szeroki zakres dziedzin, w których znajduje zastosowanie tomografia. W nowatorski sposób prezentuje ważne zagadnienia z zakresu rozwiązywania problemów odwrotnych w tomografii przemysłowej oraz prototypów, pomiarów i modeli układów złożonych. Rozważania i dogłębna analiza numeryczna zastosowana na potrzeby rozwiązania problemu naprzód i odwrotnego czynią tę pracę wyjątkową w skali krajowej i międzynarodowej. Autor wniósł znaczący wkład w rozwój naukowej dyscypliny: Informatyka w aspekcie praktycznych zastosowań, zarówno przemysłowych, jak i medycznych. Używał tomografii procesowej do badania bardzo dużych obiektów. Obiekty te to wielohektarowe obszary położone w znacznej odległości od siebie. To innowacyjne zastosowanie tomografii procesowej
Train Your Own GPT. How to Train ChatGPT to Think Like You
MrExcel's Holy Macro! Books, Bill Jelen
This book offers a hands-on guide to building GPTs that learn, adapt, and respond in your unique style. It begins by breaking down how ChatGPT understands instructions, then guides readers through training personalized GPTs that automate tasks, create structured outputs, and integrate across business applications.Readers gain practical experience in linking GPTs with Excel, Power Automate, and APIs while exploring advanced memory, context, and action features. With clear guidance, examples, and exercises, the book bridges theory and application to make AI personalization achievable for any professional.By the end, readers can confidently design custom AI agents that extend beyond ChatGPT’s limits—capable of mirroring workflows, preferences, and communication style for real-world automation and creativity.
MrExcel's Holy Macro! Books, Mike Girvin
This book begins with the fundamentals, introducing key concepts like let expressions, keywords, and identifiers, before guiding you through more advanced techniques such as creating custom functions, handling diverse data types, and building reusable queries. Each chapter combines theoretical insights with practical examples, empowering you to handle complex data challenges with confidence.As you progress, you’ll learn how to master lookup formulas, manipulate data with unpivot, append, join, and group operations, and explore advanced table transformations. A dedicated section on data connectors provides in-depth knowledge of importing data from various sources and locales, ensuring flexibility and adaptability.The book concludes with practical data modeling projects that include handling inconsistent tables, appending multiple files, and building dynamic SharePoint connections. With a final focus on privacy levels and data security, this book equips you to use Power Query effectively and securely in real-world scenarios.
Denis Rothman
Transformers for Natural Language Processing and Computer Vision, Third Edition, explores Large Language Model (LLM) architectures, practical applications, and popular platforms (Hugging Face, OpenAI, and Google Vertex AI) used for Natural Language Processing (NLP) and Computer Vision (CV).The book guides you through a range of transformer architectures from foundation models and generative AI. You’ll pretrain and fine-tune LLMs and work through different use cases, from summarization to question-answering systems leveraging embedding-based search. You'll also implement Retrieval Augmented Generation (RAG) to enhance accuracy and gain greater control over your LLM outputs. Additionally, you’ll understand common LLM risks, such as hallucinations, memorization, and privacy issues, and implement mitigation strategies using moderation models alongside rule-based systems and knowledge integration.Dive into generative vision transformers and multimodal architectures, and build practical applications, such as image and video classification. Go further and combine different models and platforms to build AI solutions and explore AI agent capabilities.This book provides you with an understanding of transformer architectures, including strategies for pretraining, fine-tuning, and LLM best practices.
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