- Kategorie
-
Praktyczne uczenie maszynowe w języku R
Symbol:
Wpisz swój e-mail |
Wysyłka w ciągu | 2-5 dni roboczych |
Cena przesyłki | 12 |
Dostępność | 0 szt. |
Kod kreskowy | |
ISBN | 978-83-7541-478-3 |
EAN | 9788375414783 |
WPROWADZENIE DO UCZENIA MASZYNOWEGO Z WYKORZYSTANIEM INTUICYJNEGO JĘZYKA rUczenie maszynowe i analiza danych pełnią coraz ważniejszą rolę w tworzeniu wartości dodanej. Uczenie maszynowe pozwala znajdować ukryte w danych zależności, wnosząc nowe pomysły i wiedzę, którą trudno byłoby osiągnąć bez tej zaawansowanej techniki. Książka Praktyczne uczenie maszynowe w języku R to wstępne przygotowanie do pracy z dużymi zbiorami danych w języku R, który jest łatwy w zrozumieniu i został opracowany specjalnie z myślą o analizie statystycznej. Nawet osoby bez doświadczenia w programowaniu mogą skorzystać z tej książki, dowiadując się, w jaki sposób praktyczne zastosowania uczenia maszynowego pozwalają analitykom danych pozyskiwać strate-giczne informacje biznesowe, solidne prognozy i podejmować trafniejsze decyzje. W odróżnieniu od innych książek na ten temat, Praktyczne uczenie maszynowe w języku R oferuje zarówno teoretyczne, jak i techniczne wprowadzenie do uczenia maszynowego. W przykładach i ćwiczeniach wykorzystywany jest język programowania R oraz najnowsze narzędzia analizy danych, co pozwala zacząć pracę bez nadmiernego zagłębiania się w zaawansowaną matematykę. Dzięki tej książce techniki uczenia maszynowego - po-cząwszy od regresji logistycznej po reguły asocjacyjne i analizę skupień - są w zasięgu ręki.Jedyna publikacja, która łączy intuicyjne wprowadzenie do uczenia maszynowego z opisami zastosowań technicznych krok po kroku. Praktyczne uczenie maszynowe w języku R pokaże jak:przyswoić koncepcje różnych typów uczenia maszynowego,odkrywać wzorce ukryte w dużych zbiorach danych,pisać i wykonywać skrypty R za pomocą RStudio,używać języka R w połączeniu z pakietami Tidyverse do zarządzania danymi i ich wizualizacji,stosować podstawowe techniki statystyczne, takie jak regresja logistyczna czy naiwny klasyfikator Bayesa,oceniać i ulepszać modele uczenia maszynowego.DR FRED NWANGANGA jest profesorem uczelni na wydziale Business Analytics w Mendoza College of Business na uniwersytecie Notre Dame, Indiana, USA. Ma ponad 15-letnie doświadczenie w pełnieniu roli lidera technicznego.DR MIKE CHAPPLE jest profesorem uczelni na wydziale Technology, Analytics, and Operations w Mendoza College of Business. Mike jest autorem ponad 25 poczytnych książek i pełni funkcję dyrektora naukowego programu studiów magisterskich z analizy biznesowej.
Autor:
Fred Nwanganga,Mike Chapple
Oprawa:
miękka
Rok wydania:
2022
Format:
17x23
Data wydania:
2022-07-20
Status:
JEST
Wydawca:
APN Promise
Stron:
458
Wydanie:
1
Tłumaczenie:
Natalia Chounlamany