Vítáme Vás, můžete se přihlásit nebo vytvořit účet.

Cart

product (empty)

Košík je prázdný

Zboží celkem: 0 Kč

Termín obdržení zásilky
Česká pošta	Úterý 26.11
PPL	Úterý 26.11
Osobní odběr	Středa 27.11
Termíny jsou pouze orientační a mohou se lišit podle zvoleného typu platby. O Průběhu zásilky Vás budeme informovat e-mailem.
Při nákupu většího množství produktů negarantujeme dodání do zobrazeného data

AI - podejście pragmatyczne

34 %

269 Kč 409 Kč

Odesíláme do 3 až 5 dní

Sleva až 70% u třetiny knih

Popis knihy

Opanuj skuteczne, gotowe do użycia rozwiązania biznesowe dla sztucznej inteligencji i uczenia maszynowego\nAI – podejście pragmatyczne pomaga rozwiązywać praktyczne problemy przy użyciu nowoczesnego uczenia maszynowego, sztucznej inteligencji i chmurowych narzędzi obliczeniowych. Noah Gift demistyfikuje wszelkie koncepcje i narzędzia potrzebne do osiągnięcia wyników – nawet jeśli Czytelnik nie ma solidnego przygotowania z matematyki lub data science.\nAutor wyjaśnia skuteczne, gotowe do użycia rozwiązania udostępniane przez Amazon, Google i Microsoft oraz demonstruje sprawdzone techniki wykorzystujące ekosystem analizy danych oparty na języku Python. Proponowane podejścia i przykłady pomagają ukierunkować i uprościć każdy krok od wdrożenia po produkcję i budować rozwiązania o niezwykłych możliwościach skalowania. W miarę poznawania działania rozwiązań Machine Language (ML) będziesz uzyskiwać coraz bardziej intuicyjne zrozumienie tego, co można dzięki nim osiągnąć i jak zmaksymalizować ich wartość.\nNa tych podstawach autor krok po kroku prezentuje budowanie chmurowych aplikacji AI/ML do rozwiązywania realistycznych problemów w dziedzinie marketingu, zarządzania projektami, wyceniania produktów, nieruchomości i dużo więcej. Bez względu na to, czy jesteś profesjonalistą biznesowym, osobą decyzyjną, studentem czy programistą, eksperckie wskazówki autora i rozbudowane analizy przypadków przygotują cię do rozwiązywania problemów data science w niemal dowolnym środowisku.\n• Uzyskaj i skonfiguruj wszystkie potrzebne narzędzia\n• Szybko przejrzyj wszystkie funkcjonalności Pythona, których potrzebujesz do budowania aplikacji uczenia maszynowego\n• Opanuj narzędzia AI i ML oraz cykl życia projektu\n• Korzystaj z narzędzi analitycznych Pythona, takich jak IPython, Pandas, Numpy, Juypter Notebook i Sklearn\n• Dołącz pragmatyczną pętlę zwrotną, która pozwoli nieustannie poprawiać wydajność naszych procedur i systemów\n• Projektuj chmurowe rozwiązania AI oparte na Google Cloud Platform, uwzględniając usługi TPU, Colaboratory i Datalab\n• Definiuj chmurowe przepływy pracy w Amazon Web Services, w tym wystąpienia punktowe, potoki kodu i inne\n• Pracuj z API sztucznej inteligencji w Microsoft Azure\n• Poznaj budowanie sześciu rzeczywistych aplikacji AI od początku do końca