Large Scale Machine Learning with Python. Click here to enter text

Bastiaan Sjardin, Alberto Boschetti, Luca Massaron

Large Python machine learning projects involve new problems associated with specialized machine learning architectures and designs that many data scientists have yet to tackle. But finding algorithms and designing and building platforms that deal with large sets of data is a growing need. Data scientists have to manage and maintain increasingly complex data projects, and with the rise of big data comes an increasing demand for computational and algorithmic efficiency. Large Scale Machine Learning with Python uncovers a new wave of machine learning algorithms that meet scalability demands together with a high predictive accuracy. Dive into scalable machine learning and the three forms of scalability. Speed up algorithms that can be used on a desktop computer with tips on parallelization and memory allocation. Get to grips with new algorithms that are specifically designed for large projects and can handle bigger files, and learn about machine learning in big data environments. We will also cover the most effective machine learning techniques on a map reduce framework in Hadoop and Spark in Python.

Liczby nadrzeczywiste. Jak dwoje byłych studentów nakręciło się na czysta matematykę i odnalazło pełnię szczęścia

Donald E. Knuth

50 lat temu wybitny angielski matematyk John H. Conway przy użyciu dwóch niepozornych reguł skonstruował nowy, zadziwiający system liczbowy, rozszerzający zbiór liczb rzeczywistych o obiekty nieskończenie wielkie i nieskończenie małe, a także o niewyobrażalne bogactwo ich kombinacji. Zainspirowany tym odkryciem Donald E. Knuth postanowił opisać je w możliwie przystępnej formie „matematycznej powiastki”, w której dwójka byłych studentów – Alice i Bill – usiłuje przeniknąć tajemnice liczb Conwaya. Po drodze bohaterowie przeżywają radości i smutki towarzyszące twórczemu uprawianiu matematyki, a Czytelnik ma rzadką okazję zajrzeć za kulisy wielkiego matematycznego odkrycia, które wciąż skrywa przed badaczami wiele sekretów. Fascynujący popis matematycznego prestidigitatorstwa. Conway kładzie pusty kapelusz na stole standardowej teorii mnogości, wymawia dwie proste reguły-zaklęcia, po czym sięga w niemal całkowitą pustkę i wyciąga nieskończenie bogaty, misternie utkany liczbowy gobelin […]. Każda liczba rzeczywista jest w nim otoczona mrowiem liczb nowego typu, które leżą bliżej niej niż jakakolwiek inna „rzeczywista” wartość. System Conwaya jest iście „nadrzeczywisty”.

Łamigłówki logiczne. Wytęż umysł w 96 zagadkach matematycznych

Piotr Kosowicz

Matematyka jest... zabawna! Powiedz, jakie są Twoje relacje z królową nauk. Lubisz ją czy spotykacie się wyłącznie służbowo? A może po nocach śnisz o tym, jak stoisz przed tablicą z kredą w ręku, przed sobą masz równanie do rozwiązania, a w głowie absolutną, przerażającą pustkę? Mamy nadzieję, że nie, ale (także z własnych) doświadczeń wiemy, że cóż... to się zdarza. A nie powinno! Ponieważ matematyka wcale nie jest straszna. Matematyka powinna być, bywa, jest zabawna! Podczas rozwiązywania zadań matematycznych można się naprawdę świetnie bawić. Nie wierzysz? Udowodnimy Ci to. Sięgnij po Łamigłówki logiczne. Wytęż umysł w 96 zagadkach matematycznych, weź do ręki ołówek albo długopis i nastaw się na relaks. Przy czym myślenie nad kolejnymi zadaniami dostarczy Ci nie tylko miłej rozrywki, pomoże także rozwinąć matematyczną wyobraźnię, udoskonalić spostrzegawczość i wytrenować umiejętność uważnego czytania tekstu. Uwaga! W mierzeniu się z Matematycznymi żartami pomoże znajomość przedmiotu na poziomie podstawowym ― ale też poczucie humoru i duży dystans do naukowego ujęcia matematyki!

Machine Learning Engineering with Python. Manage the lifecycle of machine learning models using MLOps with practical examples - Second Edition

Andrew P. McMahon, Adi Polak

The Second Edition of Machine Learning Engineering with Python is the practical guide that MLOps and ML engineers need to build solutions to real-world problems. It will provide you with the skills you need to stay ahead in this rapidly evolving field.The book takes an examples-based approach to help you develop your skills and covers the technical concepts, implementation patterns, and development methodologies you need. You'll explore the key steps of the ML development lifecycle and create your own standardized model factory for training and retraining of models. You'll learn to employ concepts like CI/CD and how to detect different types of drift.Get hands-on with the latest in deployment architectures and discover methods for scaling up your solutions. This edition goes deeper in all aspects of ML engineering and MLOps, with emphasis on the latest open-source and cloud-based technologies. This includes a completely revamped approach to advanced pipelining and orchestration techniques.With a new chapter on deep learning, generative AI, and LLMOps, you will learn to use tools like LangChain, PyTorch, and Hugging Face to leverage LLMs for supercharged analysis. You will explore AI assistants like GitHub Copilot to become more productive, then dive deep into the engineering considerations of working with deep learning.

Machine Learning with R. R gives you access to the cutting-edge software you need to prepare data for machine learning. No previous knowledge required – this book will take you methodically through every stage of applying machine learning

Brett Lantz

Machine learning, at its core, is concerned with transforming data into actionable knowledge. This fact makes machine learning well-suited to the present-day era of big data and data science. Given the growing prominence of R—a cross-platform, zero-cost statistical programming environment—there has never been a better time to start applying machine learning. Whether you are new to data science or a veteran, machine learning with R offers a powerful set of methods for quickly and easily gaining insight from your data.Machine Learning with R is a practical tutorial that uses hands-on examples to step through real-world application of machine learning. Without shying away from the technical details, we will explore Machine Learning with R using clear and practical examples. Well-suited to machine learning beginners or those with experience. Explore R to find the answer to all of your questions.How can we use machine learning to transform data into action? Using practical examples, we will explore how to prepare data for analysis, choose a machine learning method, and measure the success of the process.We will learn how to apply machine learning methods to a variety of common tasks including classification, prediction, forecasting, market basket analysis, and clustering. By applying the most effective machine learning methods to real-world problems, you will gain hands-on experience that will transform the way you think about data.Machine Learning with R will provide you with the analytical tools you need to quickly gain insight from complex data.

Matematyczne łamańce. 113 zagadek logicznych

Piotr Kosowicz

Czy trzydzieści składa się z trzech trójek? Trzech piątek? A może z trzech szóstek? Każda twierdząca odpowiedź na ten rachunkowy problem będzie poprawna, o ile dobrze pokombinować. Liczbę trzydzieści bowiem można stworzyć i z trzech trójek, i z trzech piątek, i nawet z trzech szóstek. Wystarczy do pracy zaprząc tę część mózgu, która odpowiada za liczenie: dodawanie, odejmowanie, mnożenie i dzielenie. Wystarczy zmienić perspektywę na matematyczną i przekonać się, że matematyka jest fascynująca i... zabawna! Lubimy angażować się w rozwiązywanie zagadek, bo lubi je umysł. Mózg przepada za zadaniami, które pobudzają go do pracy, i to na najwyższych obrotach. A gdy uda się znaleźć rozwiązanie, do tego na przykład szybciej od siostry, brata, mamy, taty i najlepszego kolegi ― satysfakcja gwarantowana! Rozwój intelektualny otrzymamy niejako gratis, w pakiecie. Głowienie się nad zagadkami matematycznymi uczy logicznego myślenia oraz pozwala spojrzeć na wiele spraw z innej perspektywy, i to w dowolnej dziedzinie wiedzy. Matematyka jest wszak królową nauk. To co ― zaczynamy?

Matematyczne łamańce. Wydanie II. Jeszcze więcej zagadek logicznych

Piotr Kosowicz

Matematyka jest fajna. Logiczna. I dostarcza naprawdę świetnej rozrywki Dodawanie, odejmowanie, mnożenie, dzielenie, operacje na wielkich liczbach, ciągi arytmetyczne, zadania z treścią... Brzmi jak stresująca lekcja matematyki, na której, wywołany do tablicy, stoisz bezradnie, a zdenerwowana nauczycielka pyta złośliwie*: "No, czego nie rozumiesz?". W końcu odsyła Cię do ławki i każe zrobić jeszcze 100 zadań ze zbioru, bo może wtedy wreszcie coś pojmiesz. Jednak zagadka logiczna to już coś zupełnie innego, prawda? Jeśli ma się przed sobą pięć liczb, na przykład 7, 9, 10, 18, 25, i trzeba wydedukować, która z nich nie pasuje do pozostałych, to głowa zaczyna pracować, umysł kombinować i robi się ciekawie. Bo matematyka naprawdę jest ciekawa. Musi tylko zostać odpowiednio przedstawiona. Jak w tym zbiorze autorstwa Piotra Kosowicza, który proponuje 160 zadań matematycznych w formie zagadek. A że mózg kocha zagadki, rozwiązując te z książki, pokochasz też matematykę i nawet się nie spostrzeżesz, jak będziesz chciał więcej i więcej. A tymczasem - czy wiesz już, która z liczb, 7, 9, 10, 18, 25, nie pasuje do reszty? Jeśli nie, rozwiązanie wraz z uzasadnieniem czeka w książce.

Matematyczne miscellanea Tom 2

Izolda Gorgol (red.)

Niniejsza monografia jest czastkowa próba prezentacji zarówno osiagniec pracowników Katedry Matematyki Stosowanej, jak i pokazania efektów prac innych pracowników naukowych zwiazanych bezposrednio lub posrednio z kierunkiem matematyka, tak z Politechniki Lubelskiej, jak i z innych osrodków naukowych