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

TensorFlow 2 Pocket Primer. A Quick Reference Guide for TensorFlow 2 Developers

Mercury Learning and Information, Oswald Campesato

TensorFlow 2.0 Quick Start Guide. Get up to speed with the newly introduced features of TensorFlow 2.0

Tony Holdroyd

TensorFlow Deep Learning Projects. 10 real-world projects on computer vision, machine translation, chatbots, and reinforcement learning

Abhishek Thakur, Alberto Boschetti, Luca Massaron, Alexey...

TensorFlow Developer Certificate Guide. Efficiently tackle deep learning and ML problems to ace the Developer Certificate exam

Oluwole Fagbohun

TensorFlow Machine Learning Cookbook. Over 60 practical recipes to help you master Google’s TensorFlow machine learning library

Nick McClure

TensorFlow Machine Learning Cookbook. Over 60 recipes to build intelligent machine learning systems with the power of Python - Second Edition

Nick McClure

TensorFlow Machine Learning Projects. Build 13 real-world projects with advanced numerical computations using the Python ecosystem

Ankit Jain, Armando Fandango, Amita Kapoor

TensorFlow: Powerful Predictive Analytics with TensorFlow. Predict valuable insights of your data with TensorFlow

Md. Rezaul Karim

TensorFlow Reinforcement Learning Quick Start Guide. Get up and running with training and deploying intelligent, self-learning agents using Python

Kaushik Balakrishnan

Test-Driven Machine Learning. Control your machine learning algorithms using test-driven development to achieve quantifiable milestones

Joshua Burkhow, Justin Bozonier, Stefano Paluello

The Deep Learning with Keras Workshop. Learn how to define and train neural network models with just a few lines of code

Matthew Moocarme, Mahla Abdolahnejad, Ritesh Bhagwat

The Deep Learning with PyTorch Workshop. Build deep neural networks and artificial intelligence applications with PyTorch

Hyatt Saleh

The Deep Learning Workshop. Learn the skills you need to develop your own next-generation deep learning models with TensorFlow and Keras

Mirza Rahim Baig, Thomas V. Joseph, Nipun...

The Kaggle Book. Data analysis and machine learning for competitive data science

Konrad Banachewicz, Luca Massaron, Anthony Goldbloom

The Kaggle Workbook. Self-learning exercises and valuable insights for Kaggle data science competitions

Konrad Banachewicz, Luca Massaron

The Machine Learning Solutions Architect Handbook. Practical strategies and best practices on the ML lifecycle, system design, MLOps, and generative AI - Second Edition

David Ping