Gespeichert in:
| Beteiligte Personen: | , |
|---|---|
| Weitere beteiligte Personen: | |
| Format: | Elektronisch E-Book |
| Sprache: | Polnisch |
| Veröffentlicht: |
Gliwice
Helion
[2023]
|
| Ausgabe: | [First edition]. |
| Schlagwörter: | |
| Links: | https://learning.oreilly.com/library/view/-/9788383227528/?ar |
| Zusammenfassung: | Uczenie maszynowe kojarzy się z dużymi firmami i rozbudowanymi zespołami. Prawda jest taka, że obecnie można samodzielnie budować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych danych. Trzeba tylko mieć pomysł i... trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych. Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badaczy i analityków danych oraz inżynierów pracujących nad aplikacjami komercyjnymi. Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zaimplementowanych w dostępnych bibliotekach. |
| Beschreibung: | Includes index |
| Umfang: | 1 Online-Ressource (320 pages) illustrations |
| ISBN: | 9788383227528 8383227523 |
Internformat
MARC
| LEADER | 00000cam a22000002c 4500 | ||
|---|---|---|---|
| 001 | ZDB-30-ORH-09338758X | ||
| 003 | DE-627-1 | ||
| 005 | 20240228122013.0 | ||
| 007 | cr uuu---uuuuu | ||
| 008 | 230626s2023 xx |||||o 00| ||pol c | ||
| 020 | |a 9788383227528 |c electronic bk. |9 978-83-8322-752-8 | ||
| 020 | |a 8383227523 |c electronic bk. |9 83-8322-752-3 | ||
| 035 | |a (DE-627-1)09338758X | ||
| 035 | |a (DE-599)KEP09338758X | ||
| 035 | |a (ORHE)9788383227528 | ||
| 035 | |a (DE-627-1)09338758X | ||
| 040 | |a DE-627 |b ger |c DE-627 |e rda | ||
| 041 | |a pol | ||
| 082 | 0 | |a 005.13/3 |2 23/eng/20230613 | |
| 100 | 1 | |a Müller, Andreas C. |e VerfasserIn |4 aut | |
| 240 | 1 | 0 | |a Introduction to machine learning with Python |
| 245 | 1 | 0 | |a Machine learning, Python i data science |b wprowadzenie |c Andreas C. Müller, Sarah Guido ; przekład, Michał Sternik |
| 250 | |a [First edition]. | ||
| 264 | 1 | |a Gliwice |b Helion |c [2023] | |
| 300 | |a 1 Online-Ressource (320 pages) |b illustrations | ||
| 336 | |a Text |b txt |2 rdacontent | ||
| 337 | |a Computermedien |b c |2 rdamedia | ||
| 338 | |a Online-Ressource |b cr |2 rdacarrier | ||
| 500 | |a Includes index | ||
| 520 | |a Uczenie maszynowe kojarzy się z dużymi firmami i rozbudowanymi zespołami. Prawda jest taka, że obecnie można samodzielnie budować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych danych. Trzeba tylko mieć pomysł i... trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych. Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badaczy i analityków danych oraz inżynierów pracujących nad aplikacjami komercyjnymi. Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zaimplementowanych w dostępnych bibliotekach. | ||
| 650 | 0 | |a Machine learning | |
| 650 | 0 | |a Python (Computer program language) | |
| 650 | 0 | |a Data mining | |
| 650 | 4 | |a Apprentissage automatique | |
| 650 | 4 | |a Python (Langage de programmation) | |
| 650 | 4 | |a Exploration de données (Informatique) | |
| 650 | 4 | |a Data mining | |
| 650 | 4 | |a Machine learning | |
| 650 | 4 | |a Python (Computer program language) | |
| 700 | 1 | |a Guido, Sarah |e VerfasserIn |4 aut | |
| 700 | 1 | |a Sternik, Michał |e ÜbersetzerIn |4 trl | |
| 966 | 4 | 0 | |l DE-91 |p ZDB-30-ORH |q TUM_PDA_ORH |u https://learning.oreilly.com/library/view/-/9788383227528/?ar |m X:ORHE |x Aggregator |z lizenzpflichtig |3 Volltext |
| 912 | |a ZDB-30-ORH | ||
| 951 | |a BO | ||
| 912 | |a ZDB-30-ORH | ||
| 049 | |a DE-91 | ||
Datensatz im Suchindex
| DE-BY-TUM_katkey | ZDB-30-ORH-09338758X |
|---|---|
| _version_ | 1835903257653805056 |
| adam_text | |
| any_adam_object | |
| author | Müller, Andreas C. Guido, Sarah |
| author2 | Sternik, Michał |
| author2_role | trl |
| author2_variant | m s ms |
| author_facet | Müller, Andreas C. Guido, Sarah Sternik, Michał |
| author_role | aut aut |
| author_sort | Müller, Andreas C. |
| author_variant | a c m ac acm s g sg |
| building | Verbundindex |
| bvnumber | localTUM |
| collection | ZDB-30-ORH |
| ctrlnum | (DE-627-1)09338758X (DE-599)KEP09338758X (ORHE)9788383227528 |
| dewey-full | 005.13/3 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 005 - Computer programming, programs, data, security |
| dewey-raw | 005.13/3 |
| dewey-search | 005.13/3 |
| dewey-sort | 15.13 13 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik |
| edition | [First edition]. |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>03040cam a22004932c 4500</leader><controlfield tag="001">ZDB-30-ORH-09338758X</controlfield><controlfield tag="003">DE-627-1</controlfield><controlfield tag="005">20240228122013.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">230626s2023 xx |||||o 00| ||pol c</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9788383227528</subfield><subfield code="c">electronic bk.</subfield><subfield code="9">978-83-8322-752-8</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">8383227523</subfield><subfield code="c">electronic bk.</subfield><subfield code="9">83-8322-752-3</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)09338758X</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)KEP09338758X</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ORHE)9788383227528</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)09338758X</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">pol</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.13/3</subfield><subfield code="2">23/eng/20230613</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Müller, Andreas C.</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Introduction to machine learning with Python</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Machine learning, Python i data science</subfield><subfield code="b">wprowadzenie</subfield><subfield code="c">Andreas C. Müller, Sarah Guido ; przekład, Michał Sternik</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">[First edition].</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Gliwice</subfield><subfield code="b">Helion</subfield><subfield code="c">[2023]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (320 pages)</subfield><subfield code="b">illustrations</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Includes index</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Uczenie maszynowe kojarzy się z dużymi firmami i rozbudowanymi zespołami. Prawda jest taka, że obecnie można samodzielnie budować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych danych. Trzeba tylko mieć pomysł i... trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych. Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badaczy i analityków danych oraz inżynierów pracujących nad aplikacjami komercyjnymi. Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zaimplementowanych w dostępnych bibliotekach.</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Python (Computer program language)</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Apprentissage automatique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Python (Langage de programmation)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Exploration de données (Informatique)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Python (Computer program language)</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Guido, Sarah</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Sternik, Michał</subfield><subfield code="e">ÜbersetzerIn</subfield><subfield code="4">trl</subfield></datafield><datafield tag="966" ind1="4" ind2="0"><subfield code="l">DE-91</subfield><subfield code="p">ZDB-30-ORH</subfield><subfield code="q">TUM_PDA_ORH</subfield><subfield code="u">https://learning.oreilly.com/library/view/-/9788383227528/?ar</subfield><subfield code="m">X:ORHE</subfield><subfield code="x">Aggregator</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">BO</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91</subfield></datafield></record></collection> |
| id | ZDB-30-ORH-09338758X |
| illustrated | Illustrated |
| indexdate | 2025-06-25T12:16:24Z |
| institution | BVB |
| isbn | 9788383227528 8383227523 |
| language | Polish |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM |
| owner_facet | DE-91 DE-BY-TUM |
| physical | 1 Online-Ressource (320 pages) illustrations |
| psigel | ZDB-30-ORH TUM_PDA_ORH ZDB-30-ORH |
| publishDate | 2023 |
| publishDateSearch | 2023 |
| publishDateSort | 2023 |
| publisher | Helion |
| record_format | marc |
| spelling | Müller, Andreas C. VerfasserIn aut Introduction to machine learning with Python Machine learning, Python i data science wprowadzenie Andreas C. Müller, Sarah Guido ; przekład, Michał Sternik [First edition]. Gliwice Helion [2023] 1 Online-Ressource (320 pages) illustrations Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier Includes index Uczenie maszynowe kojarzy się z dużymi firmami i rozbudowanymi zespołami. Prawda jest taka, że obecnie można samodzielnie budować zaawansowane rozwiązania uczenia maszynowego i korzystać do woli z olbrzymich zasobów dostępnych danych. Trzeba tylko mieć pomysł i... trochę podstawowej wiedzy. Tymczasem większość opracowań na temat uczenia maszynowego i sztucznej inteligencji wymaga biegłości w zaawansowanej matematyce. Utrudnia to naukę tego zagadnienia, mimo że uczenie maszynowe jest coraz powszechniej stosowane w projektach badawczych i komercyjnych. Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badaczy i analityków danych oraz inżynierów pracujących nad aplikacjami komercyjnymi. Zagadnienia matematyczne ograniczono tu do niezbędnego minimum, zamiast tego skoncentrowano się na praktycznych aspektach algorytmów uczenia maszynowego. Dokładnie opisano, jak konkretnie można skorzystać z szerokiej gamy modeli zaimplementowanych w dostępnych bibliotekach. Machine learning Python (Computer program language) Data mining Apprentissage automatique Python (Langage de programmation) Exploration de données (Informatique) Guido, Sarah VerfasserIn aut Sternik, Michał ÜbersetzerIn trl |
| spellingShingle | Müller, Andreas C. Guido, Sarah Machine learning, Python i data science wprowadzenie Machine learning Python (Computer program language) Data mining Apprentissage automatique Python (Langage de programmation) Exploration de données (Informatique) |
| title | Machine learning, Python i data science wprowadzenie |
| title_alt | Introduction to machine learning with Python |
| title_auth | Machine learning, Python i data science wprowadzenie |
| title_exact_search | Machine learning, Python i data science wprowadzenie |
| title_full | Machine learning, Python i data science wprowadzenie Andreas C. Müller, Sarah Guido ; przekład, Michał Sternik |
| title_fullStr | Machine learning, Python i data science wprowadzenie Andreas C. Müller, Sarah Guido ; przekład, Michał Sternik |
| title_full_unstemmed | Machine learning, Python i data science wprowadzenie Andreas C. Müller, Sarah Guido ; przekład, Michał Sternik |
| title_short | Machine learning, Python i data science |
| title_sort | machine learning python i data science wprowadzenie |
| title_sub | wprowadzenie |
| topic | Machine learning Python (Computer program language) Data mining Apprentissage automatique Python (Langage de programmation) Exploration de données (Informatique) |
| topic_facet | Machine learning Python (Computer program language) Data mining Apprentissage automatique Python (Langage de programmation) Exploration de données (Informatique) |
| work_keys_str_mv | AT mullerandreasc introductiontomachinelearningwithpython AT guidosarah introductiontomachinelearningwithpython AT sternikmichał introductiontomachinelearningwithpython AT mullerandreasc machinelearningpythonidatasciencewprowadzenie AT guidosarah machinelearningpythonidatasciencewprowadzenie AT sternikmichał machinelearningpythonidatasciencewprowadzenie |