X
-
Załączniki bezpieczeństwa
Załczniki do produktuZałączniki dotyczące bezpieczeństwa produktu zawierają informacje o opakowaniu produktu i mogą dostarczać kluczowych informacji dotyczących bezpieczeństwa konkretnego produktu
-
Informacje o producencie
Informacje o producencieInformacje dotyczące produktu obejmują adres i powiązane dane producenta produktu.helion
-
Osoba odpowiedzialna w UE
Osoba odpowiedzialna w UEPodmiot gospodarczy z siedzibą w UE zapewniający zgodność produktu z wymaganymi przepisami.
Uczenie maszynowe jest powszechnie stosowane w aplikacjach, jednak szczegóły związane z aspektami teoretycznymi bywają zaniedbywane. Często wynika to z braku swobody w posługiwaniu się matematyką. Tymczasem bez solidnych podstaw w tym zakresie nie można mówić o profesjonalnym podejściu do uczenia maszynowego.
Dzięki tej książce poznasz najważniejsze dziedziny matematyki algebrę liniową, rachunek różniczkowy i całkowy, a także teorię prawdopodobieństwa niezbędne do opanowania zaawansowanych koncepcji w uczeniu maszynowym. Poszczególne zagadnienia przedstawiono z wyjątkową przejrzystością i w uporządkowany sposób. W książce powiązano teorię z praktyką: koncepcje matematyczne zostały bezpośrednio zastosowane w przykładach z zakresu uczenia maszynowego, zaimplementowanych w Pythonie. Wiedza uzyskana w toku lektury będzie przydatna na przykład w trenowaniu modeli uczenia maszynowego metodą spadku gradientu czy w pracy z wektorami, macierzami i tablicami wielowymiarowymi.
Autor: Tivadar Danka
Data premiery: 2026-04-01
Strony: 592
Rodzaj: Książki
Okładka: Miękka
Format: 235x165x0
Dzięki tej książce poznasz najważniejsze dziedziny matematyki algebrę liniową, rachunek różniczkowy i całkowy, a także teorię prawdopodobieństwa niezbędne do opanowania zaawansowanych koncepcji w uczeniu maszynowym. Poszczególne zagadnienia przedstawiono z wyjątkową przejrzystością i w uporządkowany sposób. W książce powiązano teorię z praktyką: koncepcje matematyczne zostały bezpośrednio zastosowane w przykładach z zakresu uczenia maszynowego, zaimplementowanych w Pythonie. Wiedza uzyskana w toku lektury będzie przydatna na przykład w trenowaniu modeli uczenia maszynowego metodą spadku gradientu czy w pracy z wektorami, macierzami i tablicami wielowymiarowymi.
Autor: Tivadar Danka
Data premiery: 2026-04-01
Strony: 592
Rodzaj: Książki
Okładka: Miękka
Format: 235x165x0
Polecamy
5 szt.
3 szt.