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

Google Cloud AI Services Quick Start Guide. Build intelligent applications with Google Cloud AI services

Arvind Ravulavaru

Google Machine Learning and Generative AI for Solutions Architects. ​Build efficient and scalable AI/ML solutions on Google Cloud

Kieran Kavanagh, Priyanka Vergadia

Graph Machine Learning. Learn about the latest advancements in graph data to build robust machine learning models - Second Edition

Aldo Marzullo, Enrico Deusebio, Claudio Stamile

Graph Machine Learning. Take graph data to the next level by applying machine learning techniques and algorithms

Claudio Stamile, Aldo Marzullo, Enrico Deusebio

Hands-On Artificial Intelligence for Beginners. An introduction to AI concepts, algorithms, and their implementation

David Dindi, Patrick D. Smith

Hands-On Artificial Intelligence for Search. Building intelligent applications and perform enterprise searches

Devangini Patel

Hands-On Artificial Intelligence with Java for Beginners. Build intelligent apps using machine learning and deep learning with Deeplearning4j

Nisheeth Joshi

Hands-On Automated Machine Learning. A beginner's guide to building automated machine learning systems using AutoML and Python

Sibanjan Das, Umit Mert Cakmak

Hands-On Computer Vision with Julia. Build complex applications with advanced Julia packages for image processing, neural networks, and Artificial Intelligence

Dmitrijs Cudihins

Hands-On Convolutional Neural Networks with TensorFlow. Solve computer vision problems with modeling in TensorFlow and Python

Iffat Zafar, Giounona Tzanidou, Richard Burton, Nimesh...

Hands-On Data Science with Anaconda. Utilize the right mix of tools to create high-performance data science applications

Yuxing Yan, James Yan

Hands-On Data Science with R. Techniques to perform data manipulation and mining to build smart analytical models using R

Doug Ortiz , Vitor Bianchi Lanzetta, Nataraj...

Hands-On Deep Learning Algorithms with Python. Master deep learning algorithms with extensive math by implementing them using TensorFlow

Sudharsan Ravichandiran

Hands-On Deep Learning Architectures with Python. Create deep neural networks to solve computational problems using TensorFlow and Keras

Yuxi (Hayden) Liu, Saransh Mehta

Hands-On Deep Learning for Images with TensorFlow. Build intelligent computer vision applications using TensorFlow and Keras

Will Ballard

Hands-On Deep Learning for IoT. Train neural network models to develop intelligent IoT applications

Dr. Mohammad Abdur Razzaque , Md. Rezaul...