Data Science i uczenie maszynowe

XXI wiek to czas sztucznej inteligencji. Nie tylko tej specjalistycznej, ktora kieruje samochodami, tlumaczy jezyki naturalne czy szuka leku na raka, ale rowniez uniwersalnej, rozwiazujacej zadania z roznych dziedzin. Ten przelom zawdzieczamy splotowi trzech zdarzen: rozwojowi technologii przechowywania i przetwarzania danych, nowej metodzie naukowej (data science), oraz uczeniu maszynowemu, w szczegolnosci znacznemu postepowi w zakresie glebokiego uczenia maszynowego. Ksiazka przedstawia uczenie maszynowe w ujeciu praktycznym. Przeprowadzajac opisane w niej eksperymenty data science poznamy zastosowanie regul statystycznych i algorytmow uczenia maszynowego do rozwiazywania konkretnych problemow. Takie podejscie oznacza, ze studenci informatyki oraz specjalisci - analitycy, informatycy i bazodanowcy - zdobeda nie tylko teoretyczna wiedze, ale rowniez umiejetnosc jej praktycznego wykorzystania w codziennej pracy. Ksiazka podzielona jest na cztery czesci: . Pierwszy rozdzial wyjasnia termin Data science i pokazuje zastosowanie tej metody w eksperymentach naukowych. . Rozdzialy od drugiego do czwartego poswiecone sa danym: technikom oceny ich jakosci, wstepnego przygotowania oraz wzbogacenia danych na potrzeby ich dalszej analizy. . Rozdzialy od piatego do dziewiatego opisuja poszczegolne typy modeli predykcyjnych: klasyfikatory, regresory, modele grupujace, rekomendujace i prognozujace. . Ostatnie dwa rozdzialy ksiazki przedstawiaja metody oceny i poprawy jakosci modeli oraz udostepniania ich uzytkownikom jako uslug WWW.