Wydawca: 16
Andrzej Dragan
Od programów sprytniejszych od swoich twórców po jednorożce rysowane przez sieci neuronowe jest tu wszystko, czego potrzeba, by samodzielnie myśleć o AI. Autor nie moralizuje, tylko grzebie, dziwi się i pokazuje, jak działa świat opisywany równaniami i kodem. To jedna z tych książek, po których świat widzi się trochę wyraźniej. - Wojciech Zaremba, współzałożyciel OpenAI AI nabiera głębszego sensu wraz z książką Andrzeja Dragana. Czy to tylko funkcja matematyczna, mnożenie macierzy odtwarzające kolejne słowa jak stochastyczna papuga, bezduszny twór informatyków? Czy jednak modele wykazują cechy prawdziwej inteligencji, rozumują i są kreatywne? Ta książka to panoramiczny obraz, ale też świeże spojrzenie na tematykę AI. Niezwykle przystępnie opisuje mechanizmy działania modeli językowych. Poruszy niejeden neuron w naszych głowach. - Remek Kinas, współtwórca polskiego modelu językowego Bielik Andrzej Dragan jest profesorem fizyki na Uniwersytecie Warszawskim oraz National University of Singapore, zajmuje się łączeniem teorii względności z teorią kwantową. Laureat nagród i stypendiów European Science Foundation, ministra edukacji, Fundacji na rzecz Nauki Polskiej, Narodowego Centrum Nauki i tygodnika Polityka, zdobywca tytułu Wizjoner Roku Digital Shapers. Stypendysta University of Oxford. Pracował w Imperial College London i na University of Nottingham. Autor trzech książek i ponad sześćdziesięciu artykułów naukowych. Zdobył też tytuł Fotografa Roku brytyjskiego pisma Digital Camera i statuetkę Fryderyka, był nominowany do Złotego Lwa na festiwalu reklamowym w Cannes. Twórca fotograficznego efektu Dragana jego prace wystawiano w kilkunastu krajach. Zdobywca nagrody głównej na London Fashion Film Festival, Popkillera oraz wyróżnienia Best in Show magazynu Creative Review, a także nagród na festiwalach Berlin Music Video Awards, Epica Awards, Script Fiesta i ponad dwudziestu nagród w konkursie KTR, w tym Best of Culture. Jako nastolatek wygrywał liczne konkursy muzyki elektronicznej w ramach demosceny. Nigdy nie pił kawy. Dragan bada AI jak nieznane zwierzę, dziwny fenomen przyrody. Ogląda z różnych stron. Testuje. Dźga i przekłuwa. Ucząc siebie i czytelnika tej rzeczywistości z ciekawością ADHD-owego dzieciaka, właściwą naukowcom-odkrywcom. - Jacek Dukaj, pisarz AI wpłynie na każdy aspekt naszego życia, a Quo vAIdis przystępnie i zaskakująco dogłębnie wyjaśnia kluczowe pojęcia tej dziedziny. To niezbędnik do każdej poważnej rozmowy o AI. -prof. Aleksander Mądry, MIT, OpenAI Warto przeczytać, aby zrozumieć, czym jest inteligencja. Ta prawdziwa i ta sztuczna. - prof. Piotr Sankowski, UW, Ideas NCBR
Andrzej Dragan
Od programów sprytniejszych od swoich twórców po jednorożce rysowane przez sieci neuronowe jest tu wszystko, czego potrzeba, by samodzielnie myśleć o AI. Autor nie moralizuje, tylko grzebie, dziwi się i pokazuje, jak działa świat opisywany równaniami i kodem. To jedna z tych książek, po których świat widzi się trochę wyraźniej. - Wojciech Zaremba, współzałożyciel OpenAI AI nabiera głębszego sensu wraz z książką Andrzeja Dragana. Czy to tylko funkcja matematyczna, mnożenie macierzy odtwarzające kolejne słowa jak stochastyczna papuga, bezduszny twór informatyków? Czy jednak modele wykazują cechy prawdziwej inteligencji, rozumują i są kreatywne? Ta książka to panoramiczny obraz, ale też świeże spojrzenie na tematykę AI. Niezwykle przystępnie opisuje mechanizmy działania modeli językowych. Poruszy niejeden neuron w naszych głowach. - Remek Kinas, współtwórca polskiego modelu językowego Bielik Andrzej Dragan jest profesorem fizyki na Uniwersytecie Warszawskim oraz National University of Singapore, zajmuje się łączeniem teorii względności z teorią kwantową. Laureat nagród i stypendiów European Science Foundation, ministra edukacji, Fundacji na rzecz Nauki Polskiej, Narodowego Centrum Nauki i tygodnika Polityka, zdobywca tytułu Wizjoner Roku Digital Shapers. Stypendysta University of Oxford. Pracował w Imperial College London i na University of Nottingham. Autor trzech książek i ponad sześćdziesięciu artykułów naukowych. Zdobył też tytuł Fotografa Roku brytyjskiego pisma Digital Camera i statuetkę Fryderyka, był nominowany do Złotego Lwa na festiwalu reklamowym w Cannes. Twórca fotograficznego efektu Dragana jego prace wystawiano w kilkunastu krajach. Zdobywca nagrody głównej na London Fashion Film Festival, Popkillera oraz wyróżnienia Best in Show magazynu Creative Review, a także nagród na festiwalach Berlin Music Video Awards, Epica Awards, Script Fiesta i ponad dwudziestu nagród w konkursie KTR, w tym Best of Culture. Jako nastolatek wygrywał liczne konkursy muzyki elektronicznej w ramach demosceny. Nigdy nie pił kawy. Dragan bada AI jak nieznane zwierzę, dziwny fenomen przyrody. Ogląda z różnych stron. Testuje. Dźga i przekłuwa. Ucząc siebie i czytelnika tej rzeczywistości z ciekawością ADHD-owego dzieciaka, właściwą naukowcom-odkrywcom. - Jacek Dukaj, pisarz AI wpłynie na każdy aspekt naszego życia, a Quo vAIdis przystępnie i zaskakująco dogłębnie wyjaśnia kluczowe pojęcia tej dziedziny. To niezbędnik do każdej poważnej rozmowy o AI. -prof. Aleksander Mądry, MIT, OpenAI Warto przeczytać, aby zrozumieć, czym jest inteligencja. Ta prawdziwa i ta sztuczna. - prof. Piotr Sankowski, UW, Ideas NCBR
![Quodlibet [co się podoba]. Studia dominikańskie](https://static01.helion.com.pl/global/okladki/326x466/e_37mr.jpg)
Quodlibet [co się podoba]. Studia dominikańskie
Praca zbiorowa
W książce zebrano 10 rozpraw dominikanów związanych z krakowskim Kolegium Filozoficzno-Teologicznym. Wszyscy mieli całkowitą wolność w wyborze tematu i podejściu do niego. Postawiono jeden warunek: inspiracją dla tekstu ma być słowo. Efektem jest symfonia, w której wielość wątków i wariacji jednoczy wspólny temat. I tak na przykład historycy, odtwarzając początki dominikanów w Polsce, odpowiadają na pytanie o krytykę tekstów źródłowych. Liturgista mierzy się z przekładem tekstów liturgicznych na języki narodowe. Psychiatra i moralista bada granicę między objawieniem a patologicznym słyszeniem głosów. Filozof formułuje normy etyki wypowiedzi i ostrzega przed inflacją sensu.
Dan MacLean
Handling biological data effectively requires an in-depth knowledge of machine learning techniques and computational skills, along with an understanding of how to use tools such as edgeR and DESeq. With the R Bioinformatics Cookbook, you’ll explore all this and more, tackling common and not-so-common challenges in the bioinformatics domain using real-world examples.This book will use a recipe-based approach to show you how to perform practical research and analysis in computational biology with R. You will learn how to effectively analyze your data with the latest tools in Bioconductor, ggplot, and tidyverse. The book will guide you through the essential tools in Bioconductor to help you understand and carry out protocols in RNAseq, phylogenetics, genomics, and sequence analysis. As you progress, you will get up to speed with how machine learning techniques can be used in the bioinformatics domain. You will gradually develop key computational skills such as creating reusable workflows in R Markdown and packages for code reuse.By the end of this book, you’ll have gained a solid understanding of the most important and widely used techniques in bioinformatic analysis and the tools you need to work with real biological data.
Dan MacLean
The updated second edition of R Bioinformatics Cookbook takes a recipe-based approach to show you how to conduct practical research and analysis in computational biology with R. You’ll learn how to create a useful and modular R working environment, along with loading, cleaning, and analyzing data using the most up-to-date Bioconductor, ggplot2, and tidyverse tools.This book will walk you through the Bioconductor tools necessary for you to understand and carry out protocols in RNA-seq and ChIP-seq, phylogenetics, genomics, gene search, gene annotation, statistical analysis, and sequence analysis. As you advance, you'll find out how to use Quarto to create data-rich reports, presentations, and websites, as well as get a clear understanding of how machine learning techniques can be applied in the bioinformatics domain. The concluding chapters will help you develop proficiency in key skills, such as gene annotation analysis and functional programming in purrr and base R. Finally, you'll discover how to use the latest AI tools, including ChatGPT, to generate, edit, and understand R code and draft workflows for complex analyses.By the end of this book, you'll have gained a solid understanding of the skills and techniques needed to become a bioinformatics specialist and efficiently work with large and complex bioinformatics datasets.
R: Data Analysis and Visualization. Master the art of building analytical models using R
Tony Fischetti, Brett Lantz, Hrishi V. Mittal,...
The R learning path created for you has five connected modules, which are a mini-course in their own right. As you complete each one, you'll have gained key skills and be ready for the material in the next module!This course begins by looking at the Data Analysis with R module. This will help you navigate the R environment. You'll gain a thorough understanding of statistical reasoning and sampling. Finally, you'll be able to put best practices into effect to make your job easier and facilitate reproducibility.The second place to explore is R Graphs, which will help you leverage powerful default R graphics and utilize advanced graphics systems such as lattice and ggplot2, the grammar of graphics. You'll learn how to produce, customize, and publish advanced visualizations using this popular and powerful framework.With the third module, Learning Data Mining with R, you will learn how to manipulate data with R using code snippets and be introduced to mining frequent patterns, association, and correlations while working with R programs.The Mastering R for Quantitative Finance module pragmatically introduces both the quantitative finance concepts and their modeling in R, enabling you to build a tailor-made trading system on your own. By the end of the module, you will be well-versed with various financial techniques using R and will be able to place good bets while making financial decisions.Finally, we'll look at the Machine Learning with R module. With this module, you'll discover all the analytical tools you need to gain insights from complex data and learn how to choose the correct algorithm for your specific needs. You'll also learn to apply machine learning methods to deal with common tasks, including classification, prediction, forecasting, and so on.
Kuntal Ganguly, Davor Lozić, Mzabalazo Z. Ngwenya,...
Data analytics with R has emerged as a very important focus for organizations of all kinds. R enables even those with only an intuitive grasp of the underlying concepts, without a deep mathematical background, to unleash powerful and detailed examinations of their data.This book will show you how you can put your data analysis skills in R to practical use, with recipes catering to the basic as well as advanced data analysis tasks. Right from acquiring your data and preparing it for analysis to the more complex data analysis techniques, the book will show you how you can implement each technique in the best possible manner. You will also visualize your data using the popular R packages like ggplot2 and gain hidden insights from it. Starting with implementing the basic data analysis concepts like handling your data to creating basic plots, you will master the more advanced data analysis techniques like performing cluster analysis, and generating effective analysis reports and visualizations. Throughout the book, you will get to know the common problems and obstacles you might encounter while implementing each of the data analysis techniques in R, with ways to overcoming them in the easiest possible way.By the end of this book, you will have all the knowledge you need to become an expert in data analysis with R, and put your skills to test in real-world scenarios.
R Data Analysis Projects. Build end to end analytics systems to get deeper insights from your data
Mark Hodnett, Gopi Subramanian
R offers a large variety of packages and libraries for fast and accurate data analysis and visualization. As a result, it’s one of the most popularly used languages by data scientists and analysts, or anyone who wants to perform data analysis. This book will demonstrate how you can put to use your existing knowledge of data analysis in R to build highly efficient, end-to-end data analysis pipelines without any hassle.You’ll start by building a content-based recommendation system, followed by building a project on sentiment analysis with tweets. You’ll implement time-series modeling for anomaly detection, and understand cluster analysis of streaming data. You’ll work through projects on performing efficient market data research, building recommendation systems, and analyzing networks accurately, all provided with easy to follow codes. With the help of these real-world projects, you’ll get a better understanding of the challenges faced when building data analysis pipelines, and see how you can overcome them without compromising on the efficiency or accuracy of your systems. The book covers some popularly used R packages such as dplyr, ggplot2, RShiny, and others, and includes tips on using them effectively.By the end of this book, you’ll have a better understanding of data analysis with R, and be able to put your knowledge to practical use without any hassle.
R Data Mining. Implement data mining techniques through practical use cases and real-world datasets
Enrico Pegoraro, Andrea Cirillo
R is widely used to leverage data mining techniques across many different industries, including finance, medicine, scientific research, and more. This book will empower you to produce and present impressive analyses from data, by selecting and implementing the appropriate data mining techniques in R.It will let you gain these powerful skills while immersing in a one of a kind data mining crime case, where you will be requested to help resolving a real fraud case affecting a commercial company, by the mean of both basic and advanced data mining techniques. While moving along the plot of the story you will effectively learn and practice on real data the various R packages commonly employed for this kind of tasks. You will also get the chance of apply some of the most popular and effective data mining models and algos, from the basic multiple linear regression to the most advanced Support Vector Machines. Unlike other data mining learning instruments, this book will effectively expose you the theory behind these models, their relevant assumptions and when they can be applied to the data you are facing. By the end of the book you will hold a new and powerful toolbox of instruments, exactly knowing when and how to employ each of them to solve your data mining problems and get the most out of your data.Finally, to let you maximize the exposure to the concepts described and the learning process, the book comes packed with a reproducible bundle of commented R scripts and a practical set of data mining models cheat sheets.
R Data Science Essentials. R Data Science Essentials
Raja B. Koushik, Sharan Kumar Ravindran
With organizations increasingly embedding data science across their enterprise and with management becoming more data-driven it is an urgent requirement for analysts and managers to understand the key concept of data science. The data science concepts discussed in this book will help you make key decisions and solve the complex problems you will inevitably face in this new world. R Data Science Essentials will introduce you to various important concepts in the field of data science using R. We start by reading data from multiple sources, then move on to processing the data, extracting hidden patterns, building predictive and forecasting models, building a recommendation engine, and communicating to the user through stunning visualizations and dashboards.By the end of this book, you will have an understanding of some very important techniques in data science, be able to implement them using R, understand and interpret the outcomes, and know how they helps businesses make a decision.
PKS Prakash, Achyutuni Sri Krishna Rao
In this book, we cover not only classical data structures, but also functional data structures.We begin by answering the fundamental question: why data structures? We then move on to cover the relationshipbetween data structures and algorithms, followed by an analysis and evaluation of algorithms. We introduce the fundamentals of data structures, such as lists, stacks, queues, and dictionaries, using real-world examples. We also cover topics such as indexing, sorting, and searching in depth.Later on, you will be exposed to advanced topics such as graph data structures, dynamic programming, and randomized algorithms. You will come to appreciate the intricacies of high performance and scalable programming using R. We also cover special R data structures such as vectors, data frames, and atomic vectors.With this easy-to-read book, you will be able to understand the power of linked lists, double linked lists, and circular linked lists. We will also explore the application of binary search and will go in depth into sorting algorithms such as bubble sort, selection sort, insertion sort, and merge sort.
Atmajitsinh Gohil
If you are a data journalist, academician, student or freelance designer who wants to learn about data visualization, this book is for you. Basic knowledge of R programming is expected.
Vitor Bianchi Lanzetta
R is an open source language for data analysis and graphics that allows users to load various packages for effective and better data interpretation. Its popularity has soared in recent years because of its powerful capabilities when it comes to turning different kinds of data into intuitive visualization solutions.This book is an update to our earlier R data visualization cookbook with 100 percent fresh content and covering all the cutting edge R data visualization tools. This book is packed with practical recipes, designed to provide you with all the guidance needed to get to grips with data visualization using R. It starts off with the basics of ggplot2, ggvis, and plotly visualization packages, along with an introduction to creating maps and customizing them, before progressively taking you through various ggplot2 extensions, such as ggforce, ggrepel, and gganimate. Using real-world datasets, you will analyze and visualize your data as histograms, bar graphs, and scatterplots, and customize your plots with various themes and coloring options. The book also covers advanced visualization aspects such as creating interactive dashboards using ShinyBy the end of the book, you will be equipped with key techniques to create impressive data visualizations with professional efficiency and precision.
R Deep Learning Cookbook. Solve complex neural net problems with TensorFlow, H2O and MXNet
PKS Prakash, Achyutuni Sri Krishna Rao
Deep Learning is the next big thing. It is a part of machine learning. It's favorable results in applications with huge and complex data is remarkable. Simultaneously, R programming language is very popular amongst the data miners and statisticians. This book will help you to get through the problems that you face during the execution of different tasks and Understand hacks in deep learning, neural networks, and advanced machine learning techniques. It will also take you through complex deep learning algorithms and various deep learning packages and libraries in R. It will be starting with different packages in Deep Learning to neural networks and structures. You will also encounter the applications in text mining and processing along with a comparison between CPU and GPU performance.By the end of the book, you will have a logical understanding of Deep learning and different deep learning packages to have the most appropriate solutions for your problems.
Mark Hodnett, Joshua F. Wiley
Deep learning is a powerful subset of machine learning that is very successful in domains such as computer vision and natural language processing (NLP). This second edition of R Deep Learning Essentials will open the gates for you to enter the world of neural networks by building powerful deep learning models using the R ecosystem.This book will introduce you to the basic principles of deep learning and teach you to build a neural network model from scratch. As you make your way through the book, you will explore deep learning libraries, such as Keras, MXNet, and TensorFlow, and create interesting deep learning models for a variety of tasks and problems, including structured data, computer vision, text data, anomaly detection, and recommendation systems. You’ll cover advanced topics, such as generative adversarial networks (GANs), transfer learning, and large-scale deep learning in the cloud. In the concluding chapters, you will learn about the theoretical concepts of deep learning projects, such as model optimization, overfitting, and data augmentation, together with other advanced topics.By the end of this book, you will be fully prepared and able to implement deep learning concepts in your research work or projects.
R Deep Learning Projects. Master the techniques to design and develop neural network models in R
Yuxi (Hayden) Liu, Pablo Maldonado
R is a popular programming language used by statisticians and mathematicians for statistical analysis, and is popularly used for deep learning. Deep Learning, as we all know, is one of the trending topics today, and is finding practical applications in a lot of domains.This book demonstrates end-to-end implementations of five real-world projects on popular topics in deep learning such as handwritten digit recognition, traffic light detection, fraud detection, text generation, and sentiment analysis. You'll learn how to train effective neural networks in R—including convolutional neural networks, recurrent neural networks, and LSTMs—and apply them in practical scenarios. The book also highlights how neural networks can be trained using GPU capabilities. You will use popular R libraries and packages—such as MXNetR, H2O, deepnet, and more—to implement the projects. By the end of this book, you will have a better understanding of deep learning concepts and techniques and how to use them in a practical setting.
Prabhanjan Narayanachar Tattar, Yu-Wei, Chiu (David Chiu)
This cookbook offers a range of data analysis samples in simple and straightforward R code, providing step-by-step resources and time-saving methods to help you solve data problems efficiently.The first section deals with how to create R functions to avoid the unnecessary duplication of code. You will learn how to prepare, process, and perform sophisticated ETL for heterogeneous data sources with R packages. An example of data manipulation is provided, illustrating how to use the “dplyr” and “data.table” packages to efficiently process larger data structures. We also focus on “ggplot2” and show you how to create advanced figures for data exploration.In addition, you will learn how to build an interactive report using the “ggvis” package. Later chapters offer insight into time series analysis on financial data, while there is detailed information on the hot topic of machine learning, including data classification, regression, clustering, association rule mining, and dimension reduction.By the end of this book, you will understand how to resolve issues and will be able to comfortably offer solutions to problems encountered while performing data analysis.
R for Data Science. Learn and explore the fundamentals of data science with R
Toomey
If you are a data analyst who has a firm grip on some advanced data analysis techniques and wants to learn how to leverage the features of R, this is the book for you. You should have some basic knowledge of the R language and should know about some data science topics.
This book is targeted at R programmers who want to learn the graphing capabilities of R. This book will presume that you have working knowledge of R.
Jaynal Abedin, Hrishi V. Mittal
Targeted at those with an existing familiarity with R programming, this practical guide will appeal directly to programmers interested in learning effective data visualization techniques with R and a wide-range of its associated libraries.
Aloysius Shao Qin Lim, Tjhi W Chandra
This book is for programmers and developers who want to improve the performance of their R programs by making them run faster with large data sets or who are trying to solve a pesky performance problem.
R i pakiet shiny. Kurs video. Interaktywne aplikacje w analizie danych
Alicja Wolny-Dominiak
Obierz kurs na... analizę danych W dzisiejszej praktyce biznesowej duże znaczenie mają dane i ich analiza. W analizie zastosowanie znajduje wiele modeli statystycznych, implementowanych w różnych programach komputerowych. Na przykład Excel ma specjalny dodatek, nazwany po prostu Analiza Danych. Bardzo popularne narzędzie stanowi program R, którego zaletą jest łatwe tworzenie dashboardów obliczeniowych automatyzujących operacje na danych i rysowanie wykresów z użyciem pakietu shiny. Pakiet ten jest oprogramowaniem typu open source, przeznaczonym także dla osób, które nie znają języków HTML, CSS i JavaScript. Ba, by tworzyć eleganckie i wydajne aplikacje internetowe w języku R, nie trzeba nawet być programistą. Pakiet shiny pozwala na automatyzację obliczeń, wizualizację danych i szacowanie modeli statystycznych stworzonych w R. Wbudowane w niego funkcje ułatwiają pracę z danymi – ich eksplorowanie i prezentowanie. Oprogramowanie to służy również do tworzenia dynamicznych dashboardów i paneli sterowania, które łączą różne wykresy, tabele, filtry i opcje wyboru, aby przedstawiać dane w czytelny i interaktywny sposób. Za jego pośrednictwem można przygotowywać także raporty – do tego celu służą odpowiednie aplikacje. Proponowany przez nas kurs wyjaśnia zasady działania pakietu shiny i uczy, jak z niego korzystać. Nabyte umiejętności mogą być dalej bezpośrednio przydatne podczas pracy z danymi i w trakcie analizy procesów biznesowych. Co Cię czeka podczas naszego profesjonalnego szkolenia W ramach kursu: Dowiesz się, jak zacząć pracę z pakietem shiny w RStudio Poznasz budowę prostej aplikacji rysującej histogram z szablonu w RStudio Przyjrzysz się budowie podstawowego interfejsu użytkownika ui – domyślne ui w pakiecie shiny Zobaczysz, jak wygląda rozszerzony interfejs użytkownika z wykorzystaniem innych pakietów przeznaczonych do korzystania z shiny Opanujesz zasady tworzenia serwera obliczeniowego i renderowania obliczeń w interfejsie użytkownika ui Dowiesz się, jakie jest zastosowanie reaktywnych możliwości w pakiecie Zrobisz update interfejsu użytkownika w trakcie pracy Zapoznasz się z wybranymi pakietami, które można zastosować w aplikacji webowej do renderowania danych i wykresów Stworzysz mapę w aplikacji webowej R i pakiet shiny. Kurs video. Interaktywne aplikacje w analizie danych kończy się na poziomie średnio zaawansowanym. Szkolenie pozwoli użytkownikowi zrozumieć sposób tworzenia aplikacji webowej w pakiecie shiny. Dalszy rozwój umiejętności jest uzależniony od wiedzy z zakresu programowania w języku R i w innych językach, głównie w JavaScripcie. Do czego i komu przydaje się język R Tematyka kursu ma zastosowanie przede wszystkim w wypadku osób pracujących na stanowiskach, na których używa się różnorodnych danych. W trakcie ich obróbki często powtarzają się te same schematy obliczeniowe – niezależnie od tego, jak zmienne są dane, na których się pracuje. By ułatwić sobie zadanie, zamiast w kółko powtarzać te same obliczenia, można zbudować w shiny aplikację webową, która będzie miała zakodowane schematy obliczeniowe w serwerze – jedyną zmienną będą wówczas dane wejściowe. Automatyzacja obliczeń bywa skomplikowana, ale jakże upraszcza życie!
Raghav Bali
Data science and machine learning are some of the top buzzwords in the technical world today. From retail stores to Fortune 500 companies, everyone is working hard to making machine learning give them data-driven insights to grow their business. With powerful data manipulation features, machine learning packages, and an active developer community, R empowers users to build sophisticated machine learning systems to solve real-world data problems.This book takes you on a data-driven journey that starts with the very basics of R and machine learning and gradually builds upon the concepts to work on projects that tackle real-world problems.You’ll begin by getting an understanding of the core concepts and definitions required to appreciate machine learning algorithms and concepts. Building upon the basics, you will then work on three different projects to apply the concepts of machine learning, following current trends and cover major algorithms as well as popular R packages in detail. These projects have been neatly divided into six different chapters covering the worlds of e-commerce, finance, and social-media, which are at the very core of this data-driven revolution. Each of the projects will help you to understand, explore, visualize, and derive insights depending upon the domain and algorithms.Through this book, you will learn to apply the concepts of machine learning to deal with data-related problems and solve them using the powerful yet simple language, R.
Michele Usuelli
If your company is like most, the number one reason that projects have failed over the years don’t have to do with technology. They have to do with people. People didn’t like the new technology. People weren’t trained properly on the change. People hadn’t received adequate communications and didn’t understand the change. Sound familiar?