![[Recenzja] Machine Learning For Absolute Beginners (O Theobald) Streszczenie.](https://episodes.castos.com/660078c6833215-59505987/images/2639059/c1a-085k3-3438r835f32d-ngwysd.jpg)
Show Notes
Machine Learning For Absolute Beginners (O Theobald)
- Amazon Poland Store: https://www.amazon.pl/dp/B07335JNW1?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Machine-Learning-For-Absolute-Beginners-O-Theobald.html
- Apple Books: https://books.apple.com/us/audiobook/machine-learning-for-absolute-beginners-python-for/id1607874589?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Machine+Learning+For+Absolute+Beginners+O+Theobald+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/B07335JNW1/
#kodowanieonehot #walidacjakkrotna #błądsystematycznyinadmiernedopasowanie #gradientboosting #prognozowaniecennieruchomości #MachineLearningForAbsoluteBeginners
Machine Learning For Absolute Beginners: A Plain English Introduction, w drugim wydaniu, to popularnonaukowe wprowadzenie do uczenia maszynowego autorstwa Olivera Theobalda. Książka należy do gatunku praktycznych przewodników dla początkujących, a jej celem nie jest pełne przygotowanie czytelnika do pracy badawczej lub inżynierskiej, lecz uporządkowanie podstawowych pojęć i pokazanie, jak wygląda typowy proces tworzenia modelu. Autor wychodzi od prostej różnicy między tradycyjnym programowaniem, opartym na precyzyjnych instrukcjach, a uczeniem na danych, w którym system rozpoznaje zależności i wykorzystuje je do prognoz lub klasyfikacji. Następnie przedstawia najważniejsze rodziny metod, między innymi regresję, grupowanie, drzewa decyzyjne, sieci neuronowe i modele zespołowe. Drugie wydanie rozszerza zakres o zagadnienia przygotowania danych, walidacji krzyżowej oraz oceny kompromisu między błędem systematycznym a nadmiernym dopasowaniem. Końcowe partie wprowadzają Pythona i środowisko Jupyter Notebook na przykładzie budowy modelu przewidującego ceny domów. Jest to więc mapa terenu, która łączy intuicję pojęciową z pierwszym kontaktem z praktyką.
- Amazon Poland Store: https://www.amazon.pl/dp/B07335JNW1?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Machine-Learning-For-Absolute-Beginners-O-Theobald.html
- Apple Books: https://books.apple.com/us/audiobook/machine-learning-for-absolute-beginners-python-for/id1607874589?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Machine+Learning+For+Absolute+Beginners+O+Theobald+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/B07335JNW1/
#kodowanieonehot #walidacjakkrotna #błądsystematycznyinadmiernedopasowanie #gradientboosting #prognozowaniecennieruchomości #MachineLearningForAbsoluteBeginners
Machine Learning For Absolute Beginners: A Plain English Introduction, w drugim wydaniu, to popularnonaukowe wprowadzenie do uczenia maszynowego autorstwa Olivera Theobalda. Książka należy do gatunku praktycznych przewodników dla początkujących, a jej celem nie jest pełne przygotowanie czytelnika do pracy badawczej lub inżynierskiej, lecz uporządkowanie podstawowych pojęć i pokazanie, jak wygląda typowy proces tworzenia modelu. Autor wychodzi od prostej różnicy między tradycyjnym programowaniem, opartym na precyzyjnych instrukcjach, a uczeniem na danych, w którym system rozpoznaje zależności i wykorzystuje je do prognoz lub klasyfikacji. Następnie przedstawia najważniejsze rodziny metod, między innymi regresję, grupowanie, drzewa decyzyjne, sieci neuronowe i modele zespołowe. Drugie wydanie rozszerza zakres o zagadnienia przygotowania danych, walidacji krzyżowej oraz oceny kompromisu między błędem systematycznym a nadmiernym dopasowaniem. Końcowe partie wprowadzają Pythona i środowisko Jupyter Notebook na przykładzie budowy modelu przewidującego ceny domów. Jest to więc mapa terenu, która łączy intuicję pojęciową z pierwszym kontaktem z praktyką.
