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

Hands-On Transfer Learning with Python. Implement advanced deep learning and neural network models using TensorFlow and Keras

Dipanjan Sarkar, Raghav Bali, Tamoghna Ghosh

Hands-On Unsupervised Learning with Python. Implement machine learning and deep learning models using Scikit-Learn, TensorFlow, and more

Giuseppe Bonaccorso

IBM Cloud Pak for Data. An enterprise platform to operationalize data, analytics, and AI

Hemanth Manda, Sriram Srinivasan, Deepak Rangarao

IBM Watson Projects. Eight exciting projects that put artificial intelligence into practice for optimal business performance

James D. Miller

Inteligentna sieć. Algorytmy przyszłości. Wydanie II

Douglas McIlwraith, Haralambos Marmanis, Dmitry Babenko

Intelligent Projects Using Python. 9 real-world AI projects leveraging machine learning and deep learning with TensorFlow and Keras

Santanu Pattanayak, Manohar Swamynathan

Intelligent Workloads at the Edge. Deliver cyber-physical outcomes with data and machine learning using AWS IoT Greengrass

Indraneel (Neel) Mitra, Ryan Burke

Interpretable Machine Learning with Python. Build explainable, fair, and robust high-performance models with hands-on, real-world examples - Second Edition

Serg Masís, Aleksander Molak, Denis Rothman