Dostawa: od 6,99 zł (darmowa dostawa z abonamentem Legimi)
Czas wysyłki: 1-2 dni robocze + czas dostawy
89,99 zł
od 45,09 zł w Klubie Mola Książkowego
Dostawa: od 6,99 zł (darmowa dostawa z abonamentem Legimi)
Czas wysyłki: 1-2 dni robocze + czas dostawy
WPROWADZENIE DO UCZENIA MASZYNOWEGO Z WYKORZYSTANIEM INTUICYJNEGO JĘZYKA PROGRAMOWANIA R
Uczenie 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 programistycznym 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 strategiczne 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 - począwszy 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. Książka 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. 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.
Liczba stron: 438
Format (wymiary): 17.0x23.0cm
ISBN: 9788375414783