Uczenie maszynowe

Uczenie maszynowe (ang. machine learning) zajmuje się teorią i praktycznym zastosowaniem algorytmów analizujących dane — stanowi najciekawszą dziedzinę informatyki. Żyjemy w czasach przetwarzania olbrzymiej ilości informacji; za pomocą samouczących się algorytmów będących częścią uczenia maszynowego informacje te są przekształcane w rzeczywistą wiedzę. Dzięki licznym i potężnym bibliotekom o jawnym kodzie źródłowym, które powstały w ostatnich latach, prawdopodobnie teraz jest najlepszy czas, aby zainteresować się uczeniem maszynowym i nauczyć się wykorzystywać potężne algorytmy do wykrywania wzorców w przetwarzanych danych oraz prognozować przyszłe zdarzenia. Przykładami zastosowania Machine Learning są np. mechanizmy wyszukiwarek internetowych, GPS, autokorekta w edytorze tekstu czy boty w komunikatorach. Jedną z dziedzin uczenia maszynowego jest deep learning, podczas którego komputer uczy się procesów naturalnych dla ludzkiego mózgu (tworzy sieci neuronowe). Technologia ta jest wykorzystywana np. przy identyfikacji głosu i obrazów.

siatka lista

Machine Learning for Cybersecurity Cookbook. Over 80 recipes on how to implement machine learning algorithms for building security systems using Python

Emmanuel Tsukerman

Machine Learning for Data Mining. Improve your data mining capabilities with advanced predictive modeling

Jesus Salcedo

Machine Learning for Emotion Analysis in Python. Build AI-powered tools for analyzing emotion using natural language processing and machine learning

Allan Ramsay, Tariq Ahmad

Machine Learning for Finance. Principles and practice for financial insiders

Jannes Klaas

Machine Learning for Healthcare Analytics Projects. Build smart AI applications using neural network methodologies across the healthcare vertical market

Eduonix Learning Solutions

Machine Learning for OpenCV 4. Intelligent algorithms for building image processing apps using OpenCV 4, Python, and scikit-learn - Second Edition

Aditya Sharma, Vishwesh Ravi Shrimali, Michael Beyeler

Machine Learning for OpenCV. Intelligent image processing with Python

Michael Beyeler

Machine Learning for Time-Series with Python. Forecast, predict, and detect anomalies with state-of-the-art machine learning methods

Ben Auffarth

Machine Learning Hero. Master Data Science with Python Essentials

Cuantum Technologies LLC

Machine Learning in Biotechnology and Life Sciences. Build machine learning models using Python and deploy them on the cloud

Saleh Alkhalifa

Machine Learning in Java. Helpful techniques to design, build, and deploy powerful machine learning applications in Java - Second Edition

AshishSingh Bhatia, Bostjan Kaluza

Machine Learning Infrastructure and Best Practices for Software Engineers. Take your machine learning software from a prototype to a fully fledged software system

Miroslaw Staron

Machine Learning: Make Your Own Recommender System. Build Your Recommender System with Machine Learning Insights

Oliver Theobald

Machine Learning on Kubernetes. A practical handbook for building and using a complete open source machine learning platform on Kubernetes

Faisal Masood, Ross Brigoli

Machine Learning Projects for Mobile Applications. Build Android and iOS applications using TensorFlow Lite and Core ML

Karthikeyan NG

Machine learning, Python i data science. Wprowadzenie

Andreas Müller, Sarah Guido