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

Privacy-Preserving Machine Learning. A use-case-driven approach to building and protecting ML pipelines from privacy and security threats

Srinivasa Rao Aravilli, Sam Hamilton

Projektowanie aplikacji LLM. Holistyczne podejście do dużych modeli językowych

Suhas Pai

Projektowanie głosowych interfejsów użytkownika. Zasady doświadczeń konwersacyjnych

Cathy Pearl

Python 3 for Machine Learning. Harness the Power of Python for Advanced Machine Learning Projects

Mercury Learning and Information, Oswald Campesato

Python: Advanced Guide to Artificial Intelligence. Expert machine learning systems and intelligent agents using Python

Giuseppe Bonaccorso, Armando Fandango, Rajalingappaa Shanmugamani

Python Artificial Intelligence Projects for Beginners. Get up and running with Artificial Intelligence using 8 smart and exciting AI applications

Dr. Joshua Eckroth

Python Deep Learning Cookbook. Over 75 practical recipes on neural network modeling, reinforcement learning, and transfer learning using Python

Indra den Bakker

Python Deep Learning. Exploring deep learning techniques and neural network architectures with PyTorch, Keras, and TensorFlow - Second Edition

Ivan Vasilev, Daniel Slater, Gianmario Spacagna, Peter...