SOWA OPAC : Biblioteka Publiczna w Dzielnicy Wola m.st. Warszawy. Katalog

6 wyników

Książka

W koszyku

oceń

Praktyczna algebra liniowa dla analityków danych : od podstawowych koncepcji do użytecznych aplikacji w Pythonie / Mike X Cohen; przekład: Filip Kamiński - Gliwice : Helion S.A, 2024. - 285 [3] strony : ilustracje ; 24 cm.

Autor

Cohen Mike X. Kamiński Filip (informatyka stosowana).

Forma i typ

Książki

Temat

Analiza danych Algebra liniowa Python (język programowania)

Indeks.

Pozornie nie dzieje się nic złego, jeśli inżynier lub analityk danych nie rozumie algebry liniowej. Może korzystać z już istniejących narzędzi i nie przejmować się szczegółami ich implementacji. Warto jednak dokładnie poznać algorytmy używane w nauce o danych i dostosować do swoich potrzeb istniejące metody obliczeniowe, tutaj więc nowoczesna algebra liniowa okazuje się nieodzowna. Jeśli chcesz ją poznać w nowoczesnej, praktycznej formie, najlepiej posłużyć się kodem i zastosowaniem algebry liniowej w analizie danych czy symulacjach numerycznych.

aktualnie wypożyczona

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

III Czytelnia Naukowa (Solidarności 90)

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 76604 (1 egz.)

Książka

W koszyku

oceń

Deep learning : systemy uczące się / Ian Goodfellow, Yoshua Bengio, Aaron Courville ; przekład WITKOM Witold Sikorski. - Wydanie I. - Warszawa : Wydawnictwo Naukowe PWN, 2018. - X, 808, [1] strona : ilustracje ; 24 cm.

Autor

Goodfellow Ian. Bengio Yoshua. Courville Aaron. Sikorski Witold (1950- ).

Temat

Uczenie się maszyn Algebra liniowa Prawdopodobieństwo Teoria informacji Systemy informatyczne Modele matematyczne Metoda Monte Carlo Sieci neuronowe

Gatunek

Podręczniki akademickie

Bibliografia na stronach 735-799. Indeks.

Publikacja poświęcona matematycznym i koncepcyjnym podstawom deep learning, w tym odpowiednim pojęciom z algebry liniowej, teorii prawdopodobieństwa, obliczeń numerycznych oraz systemów uczących się. W książce opisano techniki deep learnig używane przez praktyków oraz ujęto teoretycznie modele liniowego rozkładu na czynniki, autoszyfrowanie, uczenie się reprezentacji, strukturalne modele probabilistyczne, metody Monte Carlo, funkcję sumy statystycznej, przybliżone wnioskowanie i modele generatywne.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

III Czytelnia Naukowa (Solidarności 90)

Są egzemplarze dostępne do wypożyczenia: sygn. 65887 (1 egz.)

Książka

W koszyku

oceń

Geometria z algebrą liniową / Maria Moszyńska, Joanna Święcicka. - Warszawa : Państ. Wydaw. Naukowe, 1987. - 386 s. : rys. ; 24 cm.

(Biblioteka Matematyczna)

Autor

Moszyńska Maria (matematyk). Święcicka Joanna.

Temat

Algebra liniowa Geometria

Bibliogr. - Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

III Czytelnia Naukowa (Solidarności 90)

Są egzemplarze dostępne do wypożyczenia: sygn. 30826 (1 egz.)

Książka

W koszyku

oceń

Podstawy matematyki w data science : algebra liniowa, rachunek prawdopodobieństwa i statystyka / Thomas Nield ; przekład: Grzegorz Werner. - Gliwice : Helion, © 2023. - 286, [2] strony : ilustracje, wykresy ; 24 cm.

Autor

Nield Thomas. Werner Grzegorz

Forma i typ

Książki Publikacje fachowe

Odbiorca

Analitycy danych Informatycy

Temat

Algebra liniowa Analiza matematyczna Data science Matematyka Przetwarzanie danych Rachunek prawdopodobieństwa Statystyka matematyczna

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

Indeks.

Rosnąca dostępność danych sprawiła, że data science i uczenie maszynowe są powszechnie używane do przeróżnych celów. Równocześnie wiele osób pomija analizy matematyczne przed rozpoczęciem przetwarzania danych. A to wiąże się z ryzykiem popełnienia istotnych błędów już na etapie projektowania danego systemu. Dopiero dogłębne zrozumienie niektórych koncepcji matematycznych i umiejętność ich praktycznego zastosowania sprawia, że kandydat na analityka danych ma szansę osiągnąć poziom profesjonalisty. To książka przeznaczona dla osób, które chcą dobrze zrozumieć matematyczne podstawy nauki o danych i nauczyć się stosowania niektórych koncepcji w praktyce. Wyjaśniono tu takie zagadnienia jak rachunek różniczkowy i całkowy, rachunek prawdopodobieństwa, algebra liniowa i statystyka, pokazano także, w jaki sposób posługiwać się nimi w regresji liniowej, regresji logistycznej i w tworzeniu sieci neuronowych. Poszczególne tematy zostały omówione zrozumiale, przystępnie, bez naukowego żargonu, za to z licznymi praktycznymi przykładami, co dodatkowo ułatwia przyswojenie koncepcji i prawideł matematyki. Opanowanie zawartej tu wiedzy pozwala uniknąć wielu kosztownych błędów projektowych i trafniej wybierać optymalne rozwiązania! Dzięki książce nauczysz się: używać kodu Pythona i jego bibliotek do eksplorowania koncepcji matematycznych ; posługiwać się regresją liniową i regresją logistyczną ; opisywać dane metodami statystycznymi i testować hipotezy ; manipulować wektorami i macierzami ; łączyć wiedzę matematyczną z użyciem modeli regresji ; unikać typowych błędów w stosowaniu matematyki w data science.

aktualnie wypożyczona

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

III Czytelnia Naukowa (Solidarności 90)

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 73795 (1 egz.)

Książka

W koszyku

oceń

Zrozumieć głębokie uczenie / Andrew W. Trask ; przekład Marek Włodarz. - Wydanie I. - Warszawa : Wydawnictwo Naukowe PWN, 2019. - XVII, [1], 330 stron : ilustracje ; 24 cm.

Autor

Trask Andrew W. Włodarz Marek.

Forma i typ

Książki

Temat

Inteligencja sztuczna Sieci neuronowe Uczenie się maszyn Algebra liniowa Systemy informatyczne Teoria informacji

Gatunek

Podręczniki akademickie

Indeks.

Książka adresowana do osób dysponujących wiedzą matematyczną na poziomie szkoły średniej i średnimi umiejętnościami programistycznymi. Zawiera wprowadzenie do głębokiego uczenia, omówienie podstawowych koncepcji uczenia się maszyn, prognozowania neuronowego i dalsze szczegółowe informacje praktyczne, począwszy od budowania pierwszej głębokiej sieci neuronowej.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

III Czytelnia Naukowa (Solidarności 90)

Są egzemplarze dostępne do wypożyczenia: sygn. 68091 (1 egz.)