Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II - ebook
Format ebooka:
MOBI
Format
MOBI
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najczęściej wybieranych formatów wśród czytelników
e-booków. Możesz go odczytać na czytniku Kindle oraz na smartfonach i
tabletach po zainstalowaniu specjalnej aplikacji. Więcej informacji
znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Format
PDF
czytaj
na laptopie
czytaj
na tablecie
Format e-booków, który możesz odczytywać na tablecie oraz
laptopie. Pliki PDF są odczytywane również przez czytniki i smartfony,
jednakze względu na komfort czytania i brak możliwości skalowania
czcionki, czytanie plików PDF na tych urządzeniach może być męczące dla
oczu. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Format
EPUB
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najpopularniejszych formatów e-booków na świecie.
Niezwykle wygodny i przyjazny czytelnikom - w przeciwieństwie do formatu
PDF umożliwia skalowanie czcionki, dzięki czemu możliwe jest dopasowanie
jej wielkości do kroju i rozmiarów ekranu. Więcej informacji znajdziesz
w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Multiformat
E-booki sprzedawane w księgarni Virtualo.pl dostępne są w opcji
multiformatu - kupujesz treść, nie format. Po dodaniu e-booka do koszyka
i dokonaniu płatności, e-book pojawi się na Twoim koncie w Mojej
Bibliotece we wszystkich formatach dostępnych aktualnie dla danego
tytułu. Informacja o dostępności poszczególnych formatów znajduje się na
karcie produktu przy okładce. Uwaga: audiobooki nie są objęte opcją
multiformatu.
czytaj
na laptopie
Pliki PDF zabezpieczone watermarkiem możesz odczytać na dowolnym
laptopie po zainstalowaniu czytnika dokumentów PDF. Najpowszechniejszym
programem, który umożliwi odczytanie pliku PDF na laptopie, jest Adobe
Reader. W zależności od potrzeb, możesz zainstalować również inny
program - e-booki PDF pod względem sposobu odczytywania nie różnią
niczym od powszechnie stosowanych dokumentów PDF, które odczytujemy
każdego dnia.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na tablecie
Aby odczytywać e-booki na swoim tablecie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. Bluefire
dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na czytniku
Czytanie na e-czytniku z ekranem e-ink jest bardzo wygodne i nie męczy
wzroku. Pliki przystosowane do odczytywania na czytnikach to przede
wszystkim EPUB (ten format możesz odczytać m.in. na czytnikach
PocketBook) i MOBI (ten fromat możesz odczytać m.in. na czytnikach Kindle).
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na smartfonie
Aby odczytywać e-booki na swoim smartfonie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. iBooks dla
EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II - ebook
Data science jest interdyscyplinarną dziedziną naukową łączącą osiągnięcia uczenia maszynowego, statystyki i eksploracji danych. Umożliwia wydobywanie nowej wiedzy z istniejących danych poprzez stosowanie odpowiednich algorytmów i analizy statystycznej. Stworzono dotąd wiele algorytmów tej kategorii i wciąż powstają nowe. Stanowią one podstawę konstruowania modeli umożliwiających wyodrębnianie określonych informacji z danych odzwierciedlających zjawiska zachodzące w świecie rzeczywistym, pozwalają też na formułowanie prognoz ich przebiegu w przyszłości. Algorytmy data science są postrzegane jako ogromna szansa na zdobycie przewagi konkurencyjnej, a ich znaczenie stale rośnie.
Ta książka jest zwięzłym przewodnikiem po algorytmach uczenia maszynowego. Jej cel jest prosty: w ciągu siedmiu dni masz opanować solidne podstawy siedmiu najważniejszych dla uczenia maszynowego algorytmów. Opisom poszczególnych algorytmów towarzyszą przykłady ich implementacji w języku Python, a praktyczne ćwiczenia, które znajdziesz na końcu każdego rozdziału, ułatwią Ci lepsze zrozumienie omawianych zagadnień. Co więcej, dzięki książce nauczysz się właściwie identyfikować problemy z zakresu data science. W konsekwencji dobieranie odpowiednich metod i narzędzi do ich rozwiązywania okaże się dużo łatwiejsze.
W tej książce:
- efektywne implementacje algorytmów uczenia maszynowego w języku Python
- klasyfikacja danych przy użyciu twierdzenia Bayesa, drzew decyzyjnych i lasów losowych
- podział danych na klastery za pomocą algorytmu k-średnich
- stosowanie analizy regresji w parametryzacji modeli przewidywań
- analiza szeregów czasowych pod kątem trendów i sezonowości danych
Algorytmy data science: poznaj, zrozum, zastosuj!
Spis treści
- O autorze
- O recenzentach
- Przedmowa
- Do kogo kierujemy tę książkę?
- Co zawiera ta książka?
- Jak najlepiej wykorzystać tę książkę?
- Kod przykładowych programów
- Konwencje typograficzne stosowane w książce
- Rozdział 1. Klasyfikacja na podstawie najbliższego sąsiedztwa
- Subiektywne odczuwanie temperatury
- Implementacja algorytmu k najbliższych sąsiadów
- Dane wejściowe
- Wynik klasyfikacji
- Wizualizacja
- Mapa Włoch przykład doboru wartości k
- Analiza
- Skalowanie danych prognozowanie statusu własności
- Analiza
- Nieeuklidesowe metryki odległości punktów klasyfikowanie tekstów
- Analiza
- Klasyfikowania tekstów ciąg dalszy wielowymiarowy algorytm k-NN
- Analiza
- Podsumowanie
- Problemy
- Subiektywne odczuwanie temperatury
- Mapa Włoch przykład doboru wartości k
- Status własności
- Analiza
- Rozdział 2. Naiwny klasyfikator bayesowski
- Testy medyczne podstawowe zastosowanie twierdzenia Bayesa
- Analiza
- Podstawowe twierdzenie Bayesa i jego rozszerzenie
- Twierdzenie Bayesa
- Dowód
- Rozszerzone twierdzenie Bayesa
- Dowód
- Twierdzenie Bayesa
- Zagramy w szachy? niezależne zdarzenia warunkujące
- Analiza
- Implementacja naiwnego klasyfikatora bayesowskiego
- Dane wejściowe
- Wynik
- Zagramy w szachy? częściowo zależne zdarzenia warunkujące
- Analiza
- Dane wejściowe
- Wynik
- Analiza
- Chłopak czy dziewczyna? twierdzenie Bayesa dla ciągłych zmiennych losowych
- Analiza
- Podsumowanie
- Problemy
- Analiza
- Testy medyczne podstawowe zastosowanie twierdzenia Bayesa
- Rozdział 3. Drzewa decyzyjne
- Pływamy? reprezentowanie danych w postaci drzewa decyzyjnego
- Elementy teorii informacji
- Entropia informacyjna
- Przykład losowe rzucanie monetą
- Definicja
- Zysk informacyjny
- Pływamy? obliczanie zysku informacyjnego
- Entropia informacyjna
- Algorytm ID3 konstruowanie drzewa decyzyjnego
- Pływamy? budowanie drzewa decyzyjnego
- Implementacja w języku Python
- Dane wejściowe
- Wynik
- Klasyfikowanie danych za pomocą drzew decyzyjnych
- Przykład pływamy czy nie?
- Przykład gra w szachy pod chmurką
- Analiza
- Dane wejściowe
- Wynikowe drzewo decyzyjne
- Klasyfikacja
- Analiza
- Na zakupy przykład niespójnych danych
- Analiza
- Podsumowanie
- Problemy
- Analiza
- Rozdział 4. Lasy losowe
- Ogólne zasady konstruowania lasów losowych
- Pływamy? klasyfikacja za pomocą lasu losowego
- Analiza
- Konstruowanie lasu losowego
- Losowe drzewo decyzyjne nr 0
- Losowe drzewo decyzyjne nr 1
- Wynikowy las losowy
- Klasyfikowanie cechy na podstawie lasu losowego
- Implementacja algorytmu konstruowania lasu losowego
- Dane wejściowe
- Wynik
- Przykład zagramy w szachy?
- Analiza
- Konstruowanie lasu losowego
- Losowe drzewo decyzyjne nr 0
- Losowe drzewa decyzyjne nr 1, 2 i 3
- Wynikowy las losowy
- Klasyfikacja w drodze głosowania
- Dane wejściowe
- Wynik
- Idziemy na zakupy? wnioskowanie z niespójnych danych i miara wiarygodności wyniku
- Analiza
- Dane wejściowe
- Wynik
- Analiza
- Podsumowanie
- Problemy
- Analiza
- Dane wejściowe
- Wynik
- Analiza
- Rozdział 5. Klasteryzacja
- Dochód gospodarstwa domowego niski czy wysoki?
- Algorytm k-średnich
- Początkowy zbiór centroidów
- Wyznaczanie centroidu klastera
- Przykład wykorzystanie algorytmu k-średnich do klasyfikacji dochodów
- Klasyfikowanie przez klasteryzację prognozowanie płci nieznanej osoby
- Analiza
- Implementacja algorytmu k-średnich
- Dane wejściowe
- Wynik grupowania
- Status własności dobór optymalnej liczby klasterów
- Analiza
- Dane wejściowe
- Wynik podział między dwa klastery
- Wynik podział między trzy klastery
- Wynik podział między cztery klastery
- Wynik podział między pięć klasterów
- Analiza
- Klasyfikowanie dokumentów semantyczne znaczenie klasteryzacji
- Analiza
- Dane wejściowe
- Wynik podział między dwa klastery
- Wynik podział między trzy klastery
- Wynik podział między pięć klasterów
- Analiza
- Podsumowanie
- Problemy
- Analiza
- Dane wejściowe
- Dwa klastery
- Trzy klastery
- Cztery klastery
- Pięć klasterów
- Wybór optymalnej liczby klasterów przy użyciu walidacji krzyżowej
- Analiza
- Rozdział 6. Analiza regresji
- Konwersja temperatur regresja liniowa dla danych doskonałych
- Rozwiązanie analityczne
- Metoda najmniejszych kwadratów w regresji liniowej
- Implementacja analizy regresji liniowej w Pythonie
- Kod programu
- Wynik
- Wizualizacja
- Regresja dla danych pomiarowych prognozowanie wagi na podstawie wzrostu
- Analiza
- Kod programu
- Wynik
- Analiza
- Metoda spadku gradientowego i jej implementacja
- Szczegóły algorytmu
- Implementacja w Pythonie
- Dane wejściowe
- Wynik
- Wizualizacja porównanie z metodą analityczną
- Przewidywanie czasu przelotu na podstawie odległości
- Analiza
- Kod programu
- Wynik
- Analiza
- Obliczenia balistyczne model nieliniowy
- Analiza
- Kod programu
- Wynik
- Analiza
- Podsumowanie
- Problemy
- Analiza
- Kod programu
- Wynik
- Wizualizacja
- Analiza
- Konwersja temperatur regresja liniowa dla danych doskonałych
- Rozdział 7. Analiza szeregów czasowych
- Zysk w biznesie analiza trendu
- Analiza
- Kod programu
- Wynik
- Wizualizacja
- Konkluzja
- Analiza
- Sprzedaż w sklepie internetowym analiza sezonowości
- Analiza
- Analiza trendu
- Kod programu
- Wynik
- Wizualizacja
- Analiza sezonowości
- Wizualizacja
- Podsumowanie
- Problemy
- Analiza
- Kod programu
- Wynik
- Wizualizacja
- Wizualizacja
- Analiza
- Zysk w biznesie analiza trendu
- Dodatek A Podstawy języka Python
- Przykład
- Komentarze
- Typy danych
- int
- Przykład example02_int.py
- Wynik
- float
- Przykład example03_float.py
- Wynik
- Napis
- Przykład example04_string.py
- Wynik
- Krotka
- Przykład example05_tuple.py
- Wynik
- Lista
- Przykład example06_list.py
- Wynik
- Zbiór
- Przykład example07_set.py
- Wynik
- Słownik
- Przykład example08_dictionary.py
- Wynik
- int
- Przepływ sterowania
- Instrukcje warunkowe
- Przykład example09_if_else_elif.py
- Wynik
- Pętla for
- Przykład example10_for_loop_range.py
- Wynik
- Przykład example11_for_loop_list.py
- Wynik
- Przykład example12_for_loop_set.py
- Wynik
- Pętla while
- Przykład example13_while_loop.py
- Wynik
- Instrukcje break i continue
- Przykład example14_break_continue.py
- Wynik
- Instrukcje warunkowe
- Funkcje
- Przykład example15_function.py
- Wynik
- Wejście-wyjście programu
- Argumenty wywołania programu
- Przykład example16_arguments.py
- Wynik
- Operacje na plikach
- Przykład example17_file.py
- Wynik
- Argumenty wywołania programu
- Dodatek B Statystyka
- Podstawowe koncepcje
- Notacja
- Podstawowe pojęcia
- Wnioskowanie bayesowskie
- Rozkład normalny Gaussa
- Walidacja krzyżowa
- Testowanie A/B
- Podstawowe koncepcje
- Dodatek C Słownik pojęć, algorytmów i metod Data Science
| Kategoria: | Bazy danych |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-283-5603-0 |
| Rozmiar pliku: | 5,7 MB |
