Видавець: Helion
Tworzenie wizualizacji na panele HMI firmy Siemens
Tomasz Gilewski
Dowiedz się, do czego służą i jak działają panele sterownicze Poznaj funkcje paneli HMI firmy Siemens Przygotuj do pracy system zarządzania inteligentnym domem domu W kontakcie z inteligentnym domem Tak jak do komunikacji między człowiekiem i komputerem służą klawiatura i ekran, tak do porozumiewania się człowieka z linią technologiczną czy skomplikowanym systemem elektronicznym służy panel sterowniczy. W literaturze przedmiotu oraz w praktyce przemysłowej oznacza się go angielskim akronimem HMI (Human-Machine Interface). Panel, mający postać płaskiej powierzchni - dawniej z przyciskami, pokrętłami i licznikami, dziś z wyświetlaczem - pozwala odczytywać komunikaty systemu i wydawać mu polecenia, podłączać urządzenia zewnętrzne oraz wizualizować sam system w formie uproszczonego schematu graficznego. Ta książka stanowi kompleksowy kurs tworzenia wizualizacji nowoczesnych paneli dotykowych HMI firmy Siemens. Rozdział po rozdziale autor pokazuje funkcje urządzenia, które trzeba poznać, by móc efektywnie wdrożyć projekt do zarządzania inteligentnym domem. Nie oznacza to, że z podręcznika skorzystają jedynie wykonawcy tego typu systemów - aktualnie panele sterownicze znajdują się w praktycznie każdej maszynie realizującej procesy technologiczne lub produkcyjne. Bardzo wiele z nich pracuje pod panelami SIMATIC firmy Siemens. Konfiguracja i programowanie paneli HMI Praca z ekranami Tworzenie scenariuszy (receptury) Odczytywanie komunikatów (alarmy, raporty) Zarządzanie użytkownikami Łączenie większej liczby paneli Bezpieczeństwo systemu i diagnozowanie problemów
Zhassulan Zhussupov
Skuteczne wzmacnianie cyberbezpieczeństwa wymaga wiedzy o sposobach działania hakerów. Żaden analityk złośliwego oprogramowania, pentester czy łowca zagrożeń nie obejdzie się bez wiedzy o budowie malware ani bez umiejętności programowania ofensywnego. Innymi słowy, jeśli chcesz poprawić bezpieczeństwo IT w swojej organizacji, musisz dobrze znać narzędzia, taktyki i techniki używane przez cyberprzestępców. Ta książka jest kompleksowym przewodnikiem po ciemnej stronie cyberbezpieczeństwa ― zapewni Ci wiedzę i umiejętności niezbędne do skutecznego zwalczania złośliwego oprogramowania. Nauczysz się poruszać wśród zawiłości związanych z tworzeniem złośliwego oprogramowania, a także dobrze poznasz techniki i strategie stosowane przez cyberprzestępców. Zdobędziesz też praktyczne doświadczenie w projektowaniu i implementowaniu popularnych rozwiązań stosowanych w prawdziwych złośliwych aplikacjach, na przykład Carbanak, Carberp, Stuxnet, Conti, Babuk i BlackCat. Nie zabrakło tu zasad etycznego hakingu i tajników budowy złośliwego oprogramowania, jak techniki unikania wykrycia, mechanizmy persystencji i wiele innych, które poznasz dzięki lekturze. W książce: sposób myślenia twórców złośliwego oprogramowania techniki stosowane w różnych rodzajach malware rekonstrukcja ataków APT metody obchodzenia mechanizmów bezpieczeństwa ponad 80 działających przykładów malware matematyczne podstawy współczesnego złośliwego oprogramowania O książce w mediach: Eksperyment myślowy ― recenzja książki
TypeScript na warsztacie. Praktyczny przewodnik pisania efektywnego kodu
Ben Grynhaus, Jordan Hudgens, Rayon Hunte, Matt...
TypeScript szybko stał się ulubionym językiem programowania zawodowców. Pozwala na tworzenie czystego, efektywnego i łatwego w utrzymaniu kodu, a także zastosowanie zaawansowanych konstrukcji programistycznych. Co więcej, pracę w tym języku uprzyjemniają liczne frameworki i biblioteki, które pozwalają na sprawną budowę dojrzałych aplikacji. Jednak z punktu widzenia początkującego programisty TypeScript ma inną ogromną zaletę: jest świetnym punktem startu dla każdego, kto chce pisać czytelny, łatwy do zrozumienia i mniej podatny na błędy kod. Dzięki tej książce Twoja nauka programowania w TypeScripcie przebiegnie w maksymalnie sprawny i efektywny sposób. Położono w niej nacisk na praktykę, a objaśnienia teoretyczne ograniczono do faktycznie ważnych i przydatnych zagadnień, które ułatwią ugruntowanie najlepszych podstaw programowania. W licznych ćwiczeniach pokazano, jak stosować kluczowe koncepcje w aplikacjach produkcyjnych, używanych w rzeczywistości. Każdy rozdział kończy się zadaniem do samodzielnego wykonania, opracowanym tak, by umożliwić wypróbowanie poznanych treści w praktyce. Jeśli chcesz pisać kod w TypeScripcie na profesjonalnym poziomie, a równocześnie odczuwasz onieśmielenie na myśl o nauce nowego języka, dzięki temu podręcznikowi szybko osiągniesz swój cel! W książce między innymi: gruntowne podstawy języka TypeScript i pliki deklaracji funkcje, klasy i obiekty w TypeScripcie wstrzykiwanie zależności i zachowania asynchroniczne obietnice i programowanie asynchroniczne biblioteka React i jej zastosowanie TypeScript: sprawdź, czy umiesz napisać lepszy kod!
U mnie działa. Język branży IT
Paweł Baszuro
Nie rozumiesz języka branży IT? Sięgnij po tę książkę! Opanuj słownik informatyków Poznaj cykl życia oprogramowania Naucz się komunikacji z branżą IT Kto choć raz miał do czynienia z informatykami, wie, że rozmowy z nimi często przypominają kontakty z przybyszami z innej galaktyki. Posługują się specjalistycznym żargonem, są mocno skupieni na aspektach technicznych, bywa, że się niecierpliwią, gdy otoczenie nie nadąża za ich tokiem rozumowania. Jeśli rozmówca nie jest zorientowany w branży IT, zwykle trudno mu znaleźć wspólny język z przedstawicielami środowiska i może mieć nie lada kłopot, gdy będzie musiał coś z nimi załatwić. Ta książka będzie prawdziwym objawieniem dla wszystkich, którzy współpracują z osobami zatrudnionymi w IT. Jej celem jest zaprezentowanie podstawowych terminów używanych w tej dziedzinie, przedstawienie procesu wytwarzania i utrzymania oprogramowania oraz wsparcie w zrozumieniu zagadnień i problemów, które dla informatyków stanowią codzienność. Lektura pomoże tym, którzy chcą poznać specyfikę branży lub są na różne sposoby zaangażowani w projekty IT. Terminologia używana w świecie informatycznym Etapy wytwarzania i wdrażania oprogramowania Definiowanie wymagań i zrozumienie procesu Komunikacja z przedstawicielami środowiska Praktyczne przykłady z życia codziennego Opanuj informatyczny żargon w mgnieniu oka!
U mnie działa. Język branży IT. Wydanie II
Paweł Baszuro
Przeczytaj i zrozum - język branży IT dla każdego Informatyczny żargon dla przeciętnego odbiorcy Praktyczna wiedza o wytwarzaniu oprogramowania Skuteczna komunikacja z przedstawicielami branży IT Jeśli nie mieszkasz w jaskini na końcu świata, komputery prawdopodobnie opanowały już niemal każdy obszar Twojego życia. Otaczają Cię dosłownie ze wszystkich stron i pomagają w wielu codziennych czynnościach. Z pewnością używasz ich do komunikacji, rozrywki, pracy i nauki, robisz za ich pomocą zakupy i planujesz wakacje. Dzięki komputerom Twoja codzienność jest prostsza i przyjemniejsza... do czasu, gdy musisz coś załatwić z kimś, kto odpowiada za ich programowanie. W tym momencie wszystko się komplikuje, a Ty przestajesz cokolwiek rozumieć. Jeśli w takich chwilach zadajesz sobie pytanie, o co temu człowiekowi chodzi, a takie terminy jak release, agile, repozytorium, ticket, legacy, implementacja, merge, request, storyboard, bug, backend, branch, log czy mock wywołują u Ciebie dreszcz przerażenia - spieszymy z pomocą! Dzięki tej książce nie tylko poznasz terminologię informatyczną, lecz również zdobędziesz wiedzę o procesie projektowania, tworzenia i utrzymywania oprogramowania komputerowego, a także dowiesz się, jak się skutecznie komunikować z zaangażowanymi w to osobami. Przy użyciu prostego języka i na praktycznych przykładach autor wprowadzi Cię w świat IT i sprawi, że przestaniesz się pocić na widok informatyka. Nauka każdego języka wymaga słownika - oto Twój słownik! Terminologia używana w świecie informatyków Etapy wytwarzania i wdrażania oprogramowania Definiowanie wymagań i zrozumienie procesu Komunikacja z przedstawicielami środowiska informatycznego Praktyczne przykłady z codziennego życia Dowiedz się, jak się porozumieć z programistą!
Ubuntu Oneiric Ocelot. Przesiądź się na system open source
Mariusz Kraus
Wykorzystaj prostotę, stabilność i nowoczesność wolnego oprogramowania Ubuntu Oneiric Ocelot! Dowiedz się, jak pobrać i zainstalować system Ubuntu Naucz się korzystać ze środowiska graficznego Poznaj przydatne narzędzia i programy użytkowe Pochodzące z języka południowoafrykańskich plemion słowo "ubuntu" oznacza "człowieczeństwo wobec innych". Ten trudny do przełożenia termin tłumaczy się też jako zwrot "jestem, bo ty jesteś". Niezależnie od tego, którą wersję przekładu przyjmiemy, trudno zaprzeczyć, że mamy do czynienia z piękną i szczytną ideą. Nie inaczej jest z noszącą tę nazwę dystrybucją systemu Linux, która kilka lat temu przebojem wdarła się do świata wolnego oprogramowania i nieustannie zdobywa nowych zwolenników zarówno wśród profesjonalistów, jak i "zwykłych" użytkowników komputerów osobistych. Nic w tym dziwnego, Ubuntu jest bowiem systemem prostym, stabilnym i nowoczesnym, a ponadto zapewnia dostęp do wielu bardzo przydatnych programów użytkowych. Niestety, związek z Linuksem zupełnie niesłusznie budzi u wielu osób negatywne skojarzenia - przeciętny użytkownik komputera sądzi, że korzystanie z tego systemu operacyjnego wymaga co najmniej ukończenia studiów informatycznych. Na szczęście łatwo się przekonać, że tak nie jest! Wystarczy sięgnąć po książkę Ubuntu Oneiric Ocelot. Przesiądź się na system open source Przeprowadzi ona początkującego użytkownika przez proces instalacji i konfiguracji systemu, przedstawi interfejs użytkownika, podstawowe narzędzia środowiska oraz sposoby wykonywania operacji na plikach i katalogach, a także pokaże, jak korzystać z najważniejszych aplikacji biurowych, internetowych i multimedialnych. Pobieranie, instalacja, konfiguracja i aktualizacja systemu operacyjnego Sposoby korzystania z najważniejszych narzędzi systemowych Podstawowe operacje w systemie plików i zarządzanie użytkownikami Instalacja popularnych programów użytkowych i metody ich stosowania Korzystanie z gier oraz programów Windows w środowisku Ubuntu Poznaj najpopularniejszą dystrybucję bezpłatnego systemu operacyjnego!
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
Jon Krohn, Grant Beyleveld, Aglaé Bassens
Uczenie maszynowe jest przyszłością naszej cywilizacji. Już dziś wywiera ogromny wpływ na nasze życie. Odmieniło kształt wielu sektorów: usług konsumenckich, inżynierii, bankowości, medycyny czy produkcji. Trudno też przewidzieć zmiany, jakie potęga sieci neuronowych przyniesie nam w nadchodzących latach. Osoby zajmujące się zawodowo uczeniem głębokim i sieciami neuronowymi mogą liczyć na ekscytujące możliwości, jednak zaawansowana matematyka i teoria stanowiące podstawę uczenia maszynowego mogą zniechęcać do prób poważnego zajęcia się tą dziedziną. Ta książka jest nowatorskim podręcznikiem, w którym w zrozumiały, intuicyjny sposób opisano techniki sztucznej inteligencji. Została wzbogacona kolorowymi ilustracjami i zrozumiałym kodem, dzięki czemu pozwala o wiele łatwiej zagłębić się w złożoność modeli głębokiego uczenia. Trudniejsze zagadnienia matematyczne zostały ograniczone do niezbędnego minimum, przedstawiono je jednak w sposób maksymalnie przystępny. Po lekturze zrozumiesz, czym jest głębokie uczenie, dlaczego stało się tak popularne i jak się ma do innych dziedzin uczenia maszynowego. W pragmatyczny sposób opisano takie aspekty zastosowań głębokiego uczenia jak widzenie maszynowe, przetwarzanie języka naturalnego, generowanie obrazów, a nawet gra w różne gry. Prezentowane treści uzupełnia praktyczny kod i szereg wskazówek dotyczących korzystania z bibliotek Keras i TensorFlow. W książce między innymi: teoretyczne podstawy sztucznej inteligencji, w tym sieci neuronowe i ich trening oraz optymalizacja sieci konwolucyjne, rekurencyjne, GAN, głębokie uczenie przez wzmacnianie potencjał systemów głębokiego uczenia narzędzia do tworzenia, stosowania i usprawniania modeli głębokiego uczenia tworzenie interaktywnych aplikacji opartych na głębokim uczeniu Uczenie głębokie: przekonaj się na własne oczy!
Uczenie głębokie od zera. Podstawy implementacji w Pythonie
Seth Weidman
Uczenie głębokie (ang. deep learning) zyskuje ostatnio ogromną popularność. Jest to ściśle związane z coraz częstszym zastosowaniem sieci neuronowych w przeróżnych branżach i dziedzinach. W konsekwencji inżynierowie oprogramowania, specjaliści do spraw przetwarzania danych czy osoby w praktyce zajmujące się uczeniem maszynowym muszą zdobyć solidną wiedzę o tych zagadnieniach. Przede wszystkim trzeba dogłębnie zrozumieć podstawy uczenia głębokiego. Dopiero po uzyskaniu biegłości w posługiwaniu się poszczególnymi koncepcjami i modelami możliwe jest wykorzystanie w pełni potencjału tej dynamicznie rozwijającej się technologii. Ten praktyczny podręcznik, poświęcony podstawom uczenia głębokiego, zrozumiale i wyczerpująco przedstawia zasady działania sieci neuronowych z trzech różnych poziomów: matematycznego, obliczeniowego i konceptualnego. Takie podejście wynika z faktu, że dogłębne zrozumienie sieci neuronowych wymaga nie jednego, ale kilku modeli umysłowych, z których każdy objaśnia inny aspekt działania tych sieci. Zaprezentowano tu również techniki implementacji poszczególnych elementów w języku Python, co pozwala utworzyć działające sieci neuronowe. Dzięki tej książce stanie się jasne, w jaki sposób należy tworzyć, uczyć i stosować wielowarstwowe, konwolucyjne i rekurencyjne sieci neuronowe w różnych praktycznych zastosowaniach. W książce między innymi: matematyczne podstawy uczenia głębokiego tworzenie modeli do rozwiązywania praktycznych problemów standardowe i niestandardowe techniki treningu sieci neuronowych rozpoznawanie obrazów za pomocą konwolucyjnych sieci neuronowych rekurencyjne sieci neuronowe, ich działanie i implementacja praca z wykorzystaniem biblioteki PyTorch Uczenie głębokie: zrozum, zanim zaimplementujesz!
Uczenie maszynowe dla programistów
Drew Conway, John Myles White
Wyciągnij najlepsze wnioski z dostępnych danych! Maszyna myśląca jak człowiek to marzenie ludzkości. Dzięki dzisiejszej wiedzy i dostępnym narzędziom wciąż przybliżamy się do jego spełnienia. Zastanawiasz się, jak nauczyć maszynę myślenia? Jak sprawić, żeby podejmowała trafne decyzje oraz przewidywała najbliższą przyszłość na podstawie przygotowanych modeli? Na to i wiele innych pytań odpowiada ta wspaniała książka. Dzięki niej poznasz język R, nauczysz się eksplorować dostępne dane, określać wartość mediany i odchylenia standardowego oraz wizualizować powiązania między kolumnami. Gdy opanujesz już solidne podstawy teoretyczne, możesz śmiało przejść do kolejnych rozdziałów i zapoznać się z klasyfikacją binarną, tworzeniem rankingów oraz modelowaniem przyszłości przy użyciu regresji. Ponadto zrozumiesz, jak tworzyć systemy rekomendacyjne, analizować sieci społeczne oraz łamać szyfry. Książka ta jest doskonałą lekturą dla pasjonatów analizy danych i wyciągania z nich wniosków. Każdy rozdział książki jest poświęcony konkretnemu zagadnieniu uczenia maszynowego: klasyfikacji, predykcji, regresji, optymalizacji i wreszcie rekomendacji. Czytelnik nauczy się konstruować proste algorytmy uczenia maszynowego (i przepuszczać przez nie próbki danych) za pomocą języka programowania R. Uczenie maszynowe dla programistów jest więc znakomitą lekturą dla programistów parających się czy to projektami komercyjnymi, czy to rządowymi, czy wreszcie akademickimi. Skonstruuj prosty klasyfikator bayesowski odróżniający wiadomości treściwe od niechcianych na podstawie ich zawartości. Używaj regresji liniowej do przewidywania liczby odwiedzin najpopularniejszych stron WWW. Naucz się optymalizacji, próbując złamać prosty szyfr literowy. Statystycznie skonfrontuj poglądy polityków, używając rejestru głosowań. Zbuduj system rekomendacji wartościowych twitterowców. Naucz się czytać i analizować dane! Książka ta stanowi świetny przegląd przypadków i tuzina różnych technik uczenia maszynowego. Jest ukierunkowana na proces dochodzenia do rozwiązania, a nie gotowe recepty ani abstrakcyjne teorie; dzięki temu jej materiał jest dostępny dla wszystkich programistów, ale też przysłowiowych „umysłów ścisłych” — Max Shron, OkCupid
Uczenie maszynowe. Elementy matematyki w analizie danych
Leszek Albrzykowski
Na styku matematyki i informatyki Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu zwykle są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie… podręczne. Inaczej jest z tą niewielkich rozmiarów książką. Jej autor przedstawia tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak by czytelnikom było łatwiej je zrozumieć. Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to konieczne dla opanowania konkretnych treści z zakresu uczenia maszynowego. Znajdziesz tu omówienie takich kluczowych zagadnień jak: Wnioskowanie bayesowskie Modele liniowe Zmienne informatywne i entropia informacji Ocena wpływu cech na model Detekcja anomalii Ocena modelu
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
Emmanuel Ameisen
Uczenie maszynowe jest coraz popularniejsze. Stosuje się je w systemach wsparcia, systemach rekomendacyjnych, tłumaczeniach tekstów i wielu innych aplikacjach. Jednak podczas tworzenia tego rodzaju produktów inżynierowie napotykają bardzo poważne problemy. Jeśli ich nie rozwiążą, nawet obiecujący projekt może upaść. Trudność polega na tym, że zastosowanie uczenia maszynowego w konkretnej, użytkowej aplikacji jest złożonym zadaniem. Konieczne są wybór właściwej implementacji danej funkcjonalności, analiza błędów modelu, rozwiązanie problemów z czystością danych, a także weryfikacja wyników gwarantująca odpowiednią jakość produktu. To książka przeznaczona dla programistów i menedżerów, którzy wśród rodzących się idei uczenia maszynowego wciąż poszukują rozwiązań dla swojego biznesu. Autor omawia krok po kroku proces tworzenia i wdrażania aplikacji opartej na uczeniu maszynowym, a praktyczne koncepcje przedstawia za pomocą przykładowych kodów, rysunków i wywiadów z liderami w tej dziedzinie. Podpowiada, jak planować aplikację i oceniać jej jakość. Wyjaśnia także, jak budować skuteczny model, i demonstruje metody jego systematycznego usprawniania, aż do momentu osiągnięcia celu. W końcowej części opisuje strategie wdrażania i monitorowania modelu. W odróżnieniu od innych pozycji poświęconych uczeniu maszynowym ten przewodnik skupia się przede wszystkim na definiowaniu problemów, diagnozowaniu modeli i ich wdrażaniu. Dzięki tej książce: łatwiej określisz, do czego produkt ma służyć trafnie zdefiniujesz problem uczenia maszynowego szybko zbudujesz kompletny proces i pozyskasz początkowy zbiór danych zbudujesz, wytrenujesz i zoptymalizujesz model wdrożysz model w środowisku produkcyjnym przyjmiesz najlepszą metodę monitorowania pracy modelu Dobry pomysł - to zaledwie początek. Najważniejsze dzieje się później!
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
Matt R. Cole
Uczenie maszynowe weszło już do kanonu technologii informatycznych. Praktyczne umiejętności w tej dziedzinie powinien posiadać każdy programista i analityk. Standardowo do rozwiązań związanych z machine learning stosuje się Pythona i opracowane dla niego biblioteki, niemniej równie skutecznie można do tego celu używać innych języków programowania. Trzeba jedynie dobrze zaznajomić się z wdrożeniami algorytmów uczenia maszynowego. Niezwykle ciekawym rozwiązaniem jest pisanie takich implementacji w C#. Przemawiają za tym nie tylko zalety samego języka, ale i to, że większość aplikacji dla profesjonalistów jest pisana w C# przy użyciu takich narzędzi jak Visual Studio, SQL Server, Unity czy Microsoft Azure. Ta książka jest przeznaczona dla doświadczonych programistów C#, którzy chcą nauczyć się technik machine learning, deep learning i sztucznej inteligencji. Opisano tu dostępne narzędzia do uczenia maszynowego, dzięki którym można łatwo budować inteligentne aplikacje .NET wykorzystujące takie rozwiązania jak wykrywanie obrazów lub ruchu, wnioskowanie bayesowskie, głębokie uczenie i głęboka wiara. Omówiono zasady implementacji algorytmów uczenia nadzorowanego i nienadzorowanego oraz ich zastosowanie w budowie modeli predykcji. Przedstawiono różne techniki, od prostej regresji liniowej, przez drzewa decyzyjne i SVM, po zaawansowane rozwiązania, takie jak sztuczne sieci neuronowe, autoenkodery lub uczenie ze wzmocnieniem. Najciekawsze zagadnienia przedstawione w książce: podstawy uczenia maszynowego wykorzystywanie logiki rozmytej mapy samoorganizujące się framework Kelp.Net i jego integracja z systemem ReflectInsight realia obliczeń kwantowych Uczenie maszynowe - najlepiej z wydajnym C#!
Brett Lantz
Uczenie maszynowe polega na przekształcaniu danych w informacje ułatwiające podejmowanie decyzji. W erze big data umożliwia pracę z ogromnymi strumieniami napływających informacji ― pozwala na ich zrozumienie i efektywne zastosowanie. Ulubionym narzędziem analityków danych jest bezpłatne wieloplatformowe środowisko programowania statystycznego o nazwie R, oferujące potężne, intuicyjne i łatwe do opanowania narzędzia. To czwarte, zaktualizowane wydanie znakomitego przewodnika poświęconego zastosowaniu uczenia maszynowego do rozwiązywania rzeczywistych problemów w analizie danych. Dzięki książce dowiesz się wszystkiego, co trzeba wiedzieć o wstępnym przetwarzaniu danych, znajdowaniu kluczowych spostrzeżeń, prognozowaniu i wizualizowaniu odkryć. W tym wydaniu dodano kilka nowych rozdziałów dotyczących data science i niektórych trudniejszych zagadnień, takich jak zaawansowane przygotowywanie danych, budowanie lepiej uczących się modeli i praca z big data. Znalazło się tu także omówienie etycznych aspektów uczenia maszynowego i wprowadzenie do uczenia głębokiego. Treść została zaktualizowana do wersji 4.0.0 języka R. Dzięki tej książce nauczysz się: kompleksowo realizować proces uczenia maszynowego przeprowadzać predykcję za pomocą drzew decyzyjnych, reguł i maszyn wektorów nośnych szacować wartości finansowe przy użyciu regresji modelować złożone procesy z wykorzystaniem sztucznych sieci neuronowych oceniać modele i poprawiać ich trafność łączyć R z bazami danych SQL i nowymi technologiami big data Naucz się przekształcać surowe dane w wiedzę!
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
Matt Harrison
Uczenie maszynowe i nauka o danych są dziś ogromnie popularne. Dziedziny te szybko się rozwijają, a poszczególne techniki uczenia maszynowego znajdują coraz więcej różnorodnych zastosowań. Wiedza, którą można uzyskać dzięki odpowiedniemu przygotowaniu danych i ich eksploracji, często jest bezcenna. Umiejętność ich analizy oraz wiedza o możliwych sposobach rozwiązywania problemów napotykanych podczas uczenia maszynowego są więc dużymi atutami i mogą być wykorzystywane w wielu gałęziach nauki, techniki i biznesu. Z tego zwięzłego przewodnika po technikach uczenia maszynowego opartego na strukturalnych danych skorzystają programiści, badacze, osoby zajmujące się nauką o danych oraz twórcy systemów sztucznej inteligencji. Znalazł się tu wyczerpujący opis procesu uczenia maszynowego i klasyfikacji danych strukturalnych. Przedstawiono też metody klastrowania danych, analizy regresji, redukcji wymiarowości oraz inne ważne zagadnienia. Prezentowane treści zostały zilustrowane uwagami, tabelami i przykładami kodu. Nie zabrakło opisu przydatnych bibliotek, niezwykle użytecznych w pracy analityka danych. W efekcie książka pozwala na szybkie rozwiązywanie różnego rodzaju problemów związanych z przetwarzaniem danych strukturalnych. W książce między innymi: klasyfikacja, oczyszczanie i uzupełnianie braków danych eksploracyjna analiza danych i dobór modelu danych przykłady analiz regresji redukcja wymiarowości potoki w bibliotece scikit-learn Uczenie maszynowe: nowy wymiar analizy danych!
Uczenie maszynowe w Pythonie. Receptury
Chris Albon
Uczenie maszynowe jest dziś wykorzystywane w różnych dziedzinach życia: w biznesie, w polityce, w organizacjach non profit i oczywiście w nauce. Samouczące się algorytmy maszynowe stanowią wyjątkową metodę przekształcania danych w wiedzę. Powstało sporo książek wyjaśniających sposób działania tych algorytmów i prezentujących nieraz spektakularne przykłady ich wykorzystania. Do dyspozycji pozostają też narzędzia przeznaczone do tego rodzaju zastosowań, takie jak biblioteki Pythona, w tym pandas i scikit-learn. Problemem pozostaje implementacja rozwiązań codziennych problemów związanych z uczeniem maszynowym. Z tej książki najwięcej skorzystają profesjonaliści, którzy znają podstawowe koncepcje związane z uczeniem maszynowym. Osoby te potraktują ją jako przewodnik ułatwiający rozwiązywanie konkretnych problemów napotykanych podczas codziennej pracy z uczeniem maszynowym. Dzięki zawartym tu recepturom takie zadania jak wczytywanie danych, obsługa danych tekstowych i liczbowych, wybór modelu czy redukcja wymiarowości staną się o wiele łatwiejsze do wykonania. Każda receptura zawiera kod, który można wstawić do swojego programu, połączyć lub zaadaptować według potrzeb. Przedstawiono także analizy wyjaśniające poszczególne rozwiązania i ich kontekst. Z tą książką płynnie przejdziesz od rozważań teoretycznych do opracowywania działających aplikacji i praktycznego korzystania z zalet uczenia maszynowego. Receptury w tej książce dotyczą: wektorów, macierzy i tablic obsługi danych liczbowych i tekstowych, obrazów, a także związanych z datą i godziną redukcji wymiarowości za pomocą wyodrębniania i wyboru cech oceny i wyboru modelu oraz regresji liniowej i logistycznej maszyn wektorów nośnych (SVM), naiwnej klasyfikacji bayesowskiej, klasteryzacji i sieci neuronowych zapisywania i wczytywania wytrenowanych modeli Uczenie maszynowe w Pythonie - użyj sprawdzonych receptur kodu!
Uczenie maszynowe w Pythonie. Receptury. Od przygotowania danych do deep learningu. Wydanie II
Kyle Gallatin, Chris Albon
W ciągu ostatnich lat techniki uczenia maszynowego rozwijały się z niezwykłą dynamiką, rewolucjonizując pracę w różnych branżach. Obecnie do uczenia maszynowego najczęściej używa się Pythona i jego bibliotek. Znajomość najnowszych wydań tych narzędzi umożliwia efektywne tworzenie wyrafinowanych systemów uczących się. Oto zaktualizowane wydanie popularnego przewodnika, dzięki któremu skorzystasz z ponad dwustu sprawdzonych receptur bazujących na najnowszych wydaniach bibliotek Pythona. Wystarczy, że skopiujesz i dostosujesz kod do swoich potrzeb. Możesz też go uruchamiać i testować za pomocą przykładowego zbioru danych. W książce znajdziesz receptury przydatne do rozwiązywania szerokiego spektrum problemów, od przygotowania i wczytania danych aż po trenowanie modeli i korzystanie z sieci neuronowych. W ten sposób wyjdziesz poza rozważania teoretyczne czy też matematyczne koncepcje i zaczniesz tworzyć aplikacje korzystające z uczenia maszynowego. Poznaj receptury dotyczące: pracy z danymi w wielu formatach, z bazami i magazynami danych redukcji wymiarowości, jak również oceny i wyboru modelu regresji liniowej i logistycznej, drzew i lasów, a także k-najbliższych sąsiadów maszyn wektorów nośnych (SVM), naiwnej klasyfikacji bayesowskiej i klasteryzacji udostępniania wytrenowanych modeli za pomocą wielu frameworków Długo szukałam książki, która spójnie przedstawiałaby algorytm ANN, hiperpłaszczyzny i wybór cech za pomocą losowego lasu. I wtedy pojawiła się ta pozycja! Vicki Boykis, inżynier uczenia maszynowego w Duo