Praktyczne uczenie maszynowe (Szeliga Marcin)

Nagroda główna w Konkursie PTI - najlepsza Polska Książka Informatyczna 2020 roku Ostatnia dekada to czas przełomowego rozwoju sztucznej inteligencji - nie tylko rewolucyjnych badań nad algorytmami uczenia maszynowego,też coraz powszechniejszego wykorzystywania inteligentnych maszyn w różnych dziedzinach naszego życia.

Rozwój ten ogranicza niewystarczająca ilość specjalistów, łączących znajomość modelowania danych (przygotowania danych i zasad działania algorytmów uczenia maszynowego) ze znajomością języków analizy danych, takich jak SQL, R czy Python.

Inżynieria danych (ang. Data science) to interdyscyplinarna wiedza, której opanowanie wymaga znajomości algebry, geometrii, statystyki, rachunku prawdopodobieństwa i algorytmiki, uzupełnionej o poręczną umiejętność programowania.

Co więcej, sztuczna inteligencja jest przedmiotem intensywnych badań naukowych i samo śledzenie postępów w tej dziedzinie scala się z regularnym (rutynowym) dokształcaniem. Niniejsza książka łączy w sobie teorię z praktyką.

Opisuje rozwiązania kilkunastu standardowych problemów, takich jak prognozowanie zysków, optymalizacja kampanii marketingowej, proaktywna konserwacja sprzętu czy oceny ryzyka kredytowego. Ich układ jest celowy - każdy przykład jest okazją do wyjaśnienia określonych zagadnień, inicjując od narzędzi, przez podstawy uczenia maszynowego, sposoby oceny jakości informacji i ich przygotowania do dalszej analizy, zasady tworzenia modeli uczenia maszynowego i ich optymalizacji, po wskazówki dotyczące wdrożenia gotowych modeli do produkcji.

Książka jest adresowana do wszystkich, którzy chcieliby poznać albo udoskonalić: funkcjonalną znajomość statystki i umiejętność wizualizacji danych potrzebnej do oceny jakości danych; funkcjonalną znajomość języka SQL, R albo Python koniecznej do uporządkowania, wstępnego przygotowania i wzbogacenia informacji; zasady działania poszczególnych algorytmów uczenia maszynowego niezbędnych do ich wyboru i optymalizacji; korzystanie z języka R albo Python do stworzenia, oceny, zoptymalizowania i wdrożenia do produkcji modeli eksploracji danych.

równocześnie studenci kierunków informatycznych, jak w dodatku analitycy, programiści, administratorzy baz oraz statystycy znajdą w książce dane, które pozwolą im opanować praktyczne umiejętności niezbędne do samodzielnego tworzenia systemów uczenia maszynowego.

Nagroda główna w Konkursie Polskiego Towarzystwa Informatycznego na najkorzystniejszą Polską Książkę Informatyczną 2020 roku, w kategorii podręczniki i książki popularnonaukowe.