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

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

The Machine Learning Workshop. Get ready to develop your own high-performance machine learning algorithms with scikit-learn - Second Edition

Hyatt Saleh