SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

20 wyników

Książka

W koszyku

Kluczowe kompetencje specjalisty danych : jak pracować z danymi i zrobić karierę / Kirill Eremenko ; przekład Marcin Szeliga. - Wydanie II (I w WN PWN). - Warszawa : Wydawnictwo Naukowe PWN, 2021. - XIV, 256 stron : ilustracje ; 24 cm.

Autor

Eremenko Kirill (1989- ). Szeliga Marcin

Forma i typ

Książki Publikacje fachowe

Temat

Sieci neuronowe Data mining

Gatunek

Poradnik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Na książce także ISBN oryginału: 978-1-78966-438-6.

Bibliografia przy rozdziałach. Indeks.

Część I O co w tym chodzi? Najważniejsze zasady Data Science Dokąd zmierzamy Przyszłość to dane Hamowanie postępu 01 Definicja danych Dane są wszędzie Wielkość (danych) ma znaczenie Przechowywanie i przetwarzanie danych Dane mają moc tworzenia Użycie danych Dlaczego właśnie teraz dane stały się ważne Martwienie się nic nie da 02 Jak dane spełniają nasze potrzeby Wszechobecność danych Data Science a potrzeby fizjologiczne Data Science a potrzeby bezpieczeństwa Data Science a potrzeby przynależności i miłości Data Science a samorealizacja Data Science a samodoskonalenie Kilka słów podsumowania 03 Sztuczna inteligencja a nasza przyszłość Czym jest sztuczna inteligencja? Silna sztuczna inteligencja Słaba sztuczna inteligencja Robotyka i automatyzacja procesów Rozpoznawanie obrazów Przetwarzanie języka naturalnego Uczenie ze wzmocnieniem oraz uczenie głębokie Ciemna strona sztucznej inteligencji Przygotuj się na część II Część II Gdzie i jak je znajdę? Gromadzenie i analiza danych Proces Data Science Pierwsze kroki 04 Określenie problemu Spójrz mamo, nie ma danych! Jak rozwiązać taki problem, jak Pilnowanie czasu Sztuka mówienia nie Naprzód! 05 Przygotowanie danych Spraw, żeby dane zaczęły mówić Z wielką władzą wiąże się wielka odpowiedzialność Przygotuj dane do podróży Bibliografia 06 Klasyczna analiza danych Nie pomiń tego kroku Klasyfikacja i analiza skupień Klasyfikacja Drzewa decyzyjne Lasy losowe Algorytm k najbliższych sąsiadów Naiwny klasyfikator Bayesa Klasyfikacja przy użyciu klasyfikatora Bayesa Regresja logistyczna Analiza skupień Algorytm grupowania metodą k-średnich Grupowanie hierarchiczne 07 Nowoczesna analiza danych Uczenie ze wzmocnieniem Problem wielorękiego bandyty Algorytm UCB Próbkowanie Thompsona Który algorytm jest lepszy próbkowanie Thompsona czy UCB? Głębokie uczenie maszynowe Ustalanie wag jak uczą się sztuczne sieci neuronowe Przyszłość analizy danych Część III Jak to przedstawić? Opowiadanie o danych Jak dobrze wyglądać Jeszcze nie skończyliśmy! Akcelerator kariery 08 Wizualizacja danych Czym jest analiza wizualna? Czym jest wizualizacja danych? Mówienie językiem wizualnym Kroki tworzenia atrakcyjnych wizualizacji Uwagi końcowe Idąc o krok dalej Typy wykresów 09 Prezentacja danych Znaczenie opowieści Powołanie rzecznika danych Jak stworzyć świetną prezentację Koniec procesu Data Science Bibliografia 10 Twoja kariera specjalisty danych Wejście do świata Data Science Ubieganie się o pracę Przygotowanie do rozmowy kwalifikacyjnej Przeprowadzanie wywiadu Dbanie o rozwój firmowej kariery

Sygnatura czytelni BWEAiI: XII A 44

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 150142 N (1 egz.)

Brak okładki

Książka

W koszyku

Abc systemu Windows Vista PL / Danuta Mendrala, Marcin Szeliga. - Gliwice : Wydawnictwo Helion, 2007. - 330 s. : il. ; 23 cm.

(ABC)

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

Microsoft Windows (system operacyjny)

Gatunek

Podręcznik.

Indeks.

Sygnatura czytelni BWEAiI: XII P 13

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 117597 N (1 egz.)

Książka

W koszyku

(Ćwiczenia Praktyczne)

Autor

Mendrala Danuta Szeliga Marcin

Temat

Access

Gatunek

Podręcznik

U góry strony tytułowej i okładki: Napisz własną aplikację bazodanową.

U dołu strony tytułowej i okładki: Zaprojektuj tabele i zdefiniuj relacje pomiędzy nimi. Utwórz formularze i kwerendy. Wygeneruj raporty z bazy.

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 130481 N (1 egz.)

Książka

W koszyku

Access 2007 PL : kurs / Danuta Mendrala, Marcin Szeliga. - Gliwice : Wydawnictwo Helion, cop. 2007. - 350 stron : ilustracje ; 24 cm + dysk optyczny (CD-ROM).

(Kurs)

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

Access. Bazy danych relacyjne. Systemy zarządzania bazami danych.

Gatunek

Podręcznik.

Na stronie tytułowej i okładce: Word 2007 PL. Access 2007 PL. Tworzenie stron WWW. Internet. Fotografia cyfrowa. Excel 2007 PL. Windows Vista PL. Napisana, by pomuc Ci w samodzielnej nauce. Poznaj jeden z najpopularniejszych systemów zarządzania bazami danych. Rozpocznij pracę z bazami danych. Poznaj możliwości Accessa. Naucz się tworzyć kwerendy. Zautomatyzuj własną pracę. Błyskawicznie twórz raporty.

Indeks.

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 120081, 116920 N (2 egz.)

Książka

W koszyku

Access 2010 PL : pewnie wkrocz w świat baz danych z programem Access 2010! / Danuta Mendrala, Marcin Szeliga. - Gliwice : Helion, cop. 2010. - 312 s. : il. kolor. ; 24 cm.

(Kurs)

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

Access.

Gatunek

Podręczniki

Na okł.: Poznaj zasady rządzące systemami baz danych [...].

Sygnatura czytelni BWEAiI: XII Z 128

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 126898 N (1 egz.)

Książka

W koszyku

Bezpieczeństwo twojego komputera : poznaj rodzaje zagrożeń, zabezpiecz system operacyjny, programy i dane, usuń skutki ataków / Danuta Mendrala, Marcin Szeliga. - Gliwice : Wydawnictwo Helion, cop. 2004. - 194 s. : il. ; 24 cm.

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

Bazy danych Programy komputerowe Sieci komputerowe

Gatunek

Podręcznik.

U góry s. tyt. i okł.: Zadbaj o bezpieczenstwo swojego komputera.

Indeks.

Streszczenie: Książka przedstawia sposoby zabezpieczenia programów, danych i systemu operacyjnego przed wirusami i atakami hakerów, a także różne rodzaje zagrożeń oraz sposoby ich ograniczenia. Dzięki tym wiadomościom użytkownicy systemów Windows 2000 oraz XP nauczą się samodzielnie zabezpieczać swoje komputery.

Dla użytkowników komputerów.

Sygnatura czytelni BWEAiI: XII Ń 48

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 111754 N (1 egz.)

Książka

W koszyku

Autor

Mendrala Danuta Szeliga Marcin

Temat

SQL Server Data Mining (metoda)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Indeks.

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 132967 N (1 egz.)

Książka

W koszyku

Autor

Mendrala Danuta Szeliga Marcin

Temat

SQL Server

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Na stronie tytułowej i okładce: Business Intelligence - twoja recepta na sukces! Analiza i eksploracja danych, Jak zastosować bazy analityczne? Jak wykorzystać język MDX? Jak administrować serwerem SSAS 2008?

Indeks.

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 131707 N, 131708 (2 egz.)

Brak okładki

Książka

W koszyku

SQL : praktyczny kurs / Danuta Mendrala, Marcin Szeliga. - Gliwice : Wydawnictwo Helion, cop. 2008. - 302 stron : ilustracje ; 24 cm.

(Praktyczny Kurs)

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

SQL (język zapytań).

Gatunek

Podręcznik.

Na stronie tytułowej i okładce: Wykorzystaj pełnię możliwości baz danych, na czym polega model relacyjny? W jaki sposób pobierać dane z bazy? Jak projektować bazy danych i tabele?

Indeks.

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 120805 N (1 egz.)

Książka

W koszyku

SQL : praktyczny kurs / Danuta Mendrala, Marcin Szeliga. - Wyd. 3. - Gliwice : Wydawnictwo Helion, cop. 2015. - 336 s. : il. ; 24 cm.

(Praktyczny Kurs)

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

SQL (język zapytań).

Gatunek

Podręcznik.

Kody źródłowe wybranych przykładów dostępne są pod adresem internet. podanym na s. red.

Indeks.

Sygnatura czytelni BWEAiI: XII Z 53

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 140416 N (1 egz.)

Książka

W koszyku

Windows 7 PL / Danuta Mendrala, Marcin Szeliga. - Gliwice : Helion, cop. 2010. - 311 s. : il. kolor. ; 24 cm.

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

Microsoft Windows (system operacyjny)

Na s. tyt. i okł.: Poznaj najnowszą wersję najpopularniejszego systemu operacyjnego świata, wybierz najlepszą dla siebie edycję systemu, zainstaluj i skonfiguruj środowisko zgodnie ze swoimi wymaganiami, naucz się korzystać z narzędzi oferowanych przez Windows 7, dowiedz się jak korzystać z sieci, zabezpiecz swój komputer.

U dołu s. tyt. i okł.: Książka w kolorze.

Sygnatura czytelni BWEAiI: XII P 35

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 124775 N (1 egz.)

Książka

W koszyku

Windows 7 PL : naucz się używać najlepszego z Windowsów! / Danuta Mendrala, Marcin Szeliga. - Gliwice : Helion, cop. 2010. - 312 s. : il. ; 24 cm.

(Kurs)

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

Microsoft Windows (system operacyjny)

Dla Czytelników zainteresowanych poznaniem nieco bardziej zaawansowanych zagadnień obsługi systemu Windows 7 udostępniono dodatkowy rozdział. Znajduje się on na s. internet. wydaw.

Sygnatura czytelni BWB: B 3956

dostępna w czytelni

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

Biblioteka WB

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. B 3956 (1 egz.)

Książka

W koszyku

Windows Vista PL : ćwiczenia praktyczne / Danuta Mendrala, Marcin Szeliga. - Gliwice : Wydawnictwo Helion, cop. 2007. - 204 s. : il. ; 21 cm.

(Ćwiczenia Praktyczne)

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

Microsoft Windows Vista (system operacyjny)

Gatunek

Ćwiczenia i zadania

U góry s. tyt. i okł.: Opanuj podstawy najnowszego systemu operacyjnego.

U dołu s. tyt. i okł.: Zainstaluj system i skonfiguruj środowisko pracy. Poznaj zasady pracy z plikami i katalogami. Podłącz komputer do sieci.

Sygnatura czytelni BWEAiI: XII P 7

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 117456 N (1 egz.)

Książka

W koszyku

Windows Vista PL : kurs / Danuta Mendrala, Marcin Szeliga. - Gliwice : Wydawnictwo Helion, cop. 2007. - 334 s. : il. ; 24 cm + dysk optyczny (CD-ROM).

(Kurs)

Autor

Mendrala Danuta. Szeliga Marcin.

Temat

Microsoft Windows Vista (system operacyjny)

Gatunek

Podręcznik.

U dołu s. tyt. i okł.: Napisana, by pomóc Ci w samodzielnej nauce! Poznaj niesamowite możliwości systemu Windows Vista. Zainstaluj system na swoim komputerze. Dostosuj Windows Vista do swoich wymagań. Wykorzystaj aplikacje dołączone do systemu. Podłącz komputer do sieci.

Indeks.

Sygnatura czytelni BWEAiI: XII P 9

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 117457 N (1 egz.)

Książka

W koszyku

Abc języka SQL / Marcin Szeliga. - Gliwice : Wydawnictwo Helion, cop. 2002. - 194 s. : il. ; 24 cm.

(ABC)

Autor

Szeliga Marcin.

Temat

SQL (język zapytań).

Gatunek

Podręcznik.

Na s. tyt. i okł.: Tworzenie i modyfikowanie tabel przy użyciu CREATE, DROP, ALTER. Modyfikowanie danych i dodawanie ich do tabel. Wyszukiwanie i filtrowanie danych za pomocą klauzuli WHERE instrukcji SELECT. Pobieranie danych z wielu tabel oraz stosowanie podzapytań. Określanie praw dostępu dla użytkowników - GRANT, REVOKE.

Dla uczniów, studentów i administratorów baz danych.

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 106869 (1 egz.)

Książka

W koszyku

Bezpieczeństwo w sieciach Windows : kompendium administratora sieci / Marcin Szeliga. - Gliwice : Wydawnictwo Helion, cop. 2003. - 376 s. : il. ; 24 cm.

Autor

Szeliga Marcin.

Temat

Sieci komputerowe Microsoft Windows (system operacyjny)

Gatunek

Podręcznik.

Indeks.

Sygnatura czytelni BWEAiI: XII Ń 31

dostępna w czytelni

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

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 107974 N (1 egz.)

Książka

W koszyku

Data science i uczenie maszynowe / Marcin Szeliga. - Warszawa : Wydawnictwo Naukowe PWN, 2017. - XXVI, [2], 371, [1] s. : il. ; 24 cm.

Autor

Szeliga Marcin.

Temat

Bazy danych Data Mining (metoda) Informatyka stosowana Statystyka Uczenie maszynowe.

Gatunek

Podręcznik.

Zawiera polsko-angielski i angielsko-polski słownik terminów data science.

Bibliogr., netogr. s. 353-[359].

Dla studentów studiów stacjonarnych i zaocznych kierunków informatycznych, zarządzania i marketingu oraz osób zawodowo pracujących w tych dziedzinach.

O czym jest ta książka? Data science Uczenie maszynowe Dla kogo jest ta książka? Narzędzia Usługa Azure ML Język R Microsoft R Open Przykładowe dane Konwencje i oznaczenia 1. Uczenie maszynowe jako element eksperymentów data science 1.1. Eksploracja danych jako technika wspomagania decyzji 1.2. Modelowanie 1.3. Wiedza i proces uczenia 1.4. Hipotezy 1.5. Założenia eksperymentu data science 1.6. Dwa typy analiz 1.7. Data science jako metoda naukowa 1.8. Przykładowy eksperyment – optymalizacja kampanii marketingowej 1.8.1. Zrozumienie problemu i określenie celów eksperymentu 1.8.2. Zrozumienie danych 1.8.3. Wstępne przetwarzanie danych 1.8.4. Modelowanie 1.8.5. Ocena 1.8.6. Wdrożenie 2. Ocena przydatności danych 2.1. Dane źródłowe 2.2. Zmienne 2.2.1. Rozkład częstości zmiennych 2.2.2. Graficzna prezentacja danych 2.2.3. Korelacje (związki między zmiennymi) 2.3. Reprezentatywność danych 2.4. Duplikaty 2.5. Szeregi czasowe 3. Wstępne przetwarzanie danych 3.1. Uzupełnianie brakujących danych 3.2. Poprawianie błędnych danych 3.3. Zmienne numeryczne 3.3.1. Instalowanie dodatkowych bibliotek R w Azure ML 3.3.2. Wartości nietypowe (odstające) 3.3.3. Normalizacja 3.3.4. Dyskretyzacja 3.4. Zmienne kategoryczne 3.4.1. Problem jakości danych tekstowych 3.4.2. Uogólnienie (generalizacja) 3.4.3. Numerowanie stanów 3.4.4. Zmienne porządkowe 3.5. Szeregi czasowe 3.6. Wyrażenia języka naturalnego 3.7. Redukcja wymiarów 3.7.1. Usuwanie zmiennych na podstawie ich zdolności predykcyjnych 3.7.2. Analiza głównych składowych (PCA) 4. Wzbogacanie danych 4.1. Równoważenie danych 4.1.1. Usunięcie części przykładów większościowych 4.1.2. Nadpróbkowanie 4.2. Zmienne wyliczeniowe 4.3. Zastąpienie zmiennych wspólnym rozkładem prawdopodobieństwa 4.4. Wydzielenie danych testowych 4.4.1. Szeregi czasowe 4.4.2. Modele rekomendujące 4.4.3. Modele wykrywania oszustw 4.5. Wzorzec eksperymentu data science 5. Klasyfikacja 5.1. Klasyfikacja poprzez indukcję drzew decyzyjnych 5.1.1. Drzewa decyzyjne – definicja 5.1.2. Pojedyncze drzewa decyzyjne 5.1.3. Kombinacje drzew decyzyjnych 5.2. Klasyfikacja z użyciem maszyny wektorów nośnych 5.2.1. Przetwarzanie języka naturalnego przy użyciu maszyny wektorów nośnych 5.2.2. Modele maszyny wektorów nośnych i lokalnie głębokiej maszyny wektorów nośnych 5.3. Klasyfikacja probabilistyczna 5.3.1. Sieć Bayesa 5.3.2. Maszyna punktów Bayesa 5.4. Inne klasyfikatory dostępne w Studiu Azure ML 5.4.1. Inne klasyfikatory – omówienie 5.4.2. Modele eksploracji danych w języku R 5.5. Klasyfikatory binarne a klasyfikacja wieloklasowa 5.6. Wykrywanie oszustw jako przykład klasyfikacji binarnej 5.6.1. Oznaczenie obserwacji 5.6.2. Zrównoważenie danych i wydzielenie danych testowych 5.6.3. Wzbogacenie danych 6. Regresja 6.1. Model regresji wielorakiej 6.1.1 Wieloraka regresja liniowa 6.1.2. Estymacja bayesowska modelu regresji liniowej 6.2. Zmienne kategoryczne w modelach regresji 6.2.1. Regresja Poissona 6.2.2. Regresja porządkowa 6.3. Regresja kwantylowa 6.4. Regresja poprzez indukcję drzew decyzyjnych 6.5. Sztuczne sieci neuronowe 6.5.1. Perceptron 6.5.2. Sieci neuronowe a regresja 6.5.3. Metody minimalizacji błędu 6.5.4. Wsteczna propagacja błędów 6.5.5. Regresja z użyciem sieci neuronowej 6.5.6. Głębokie sieci neuronowe 7. Grupowanie (analiza skupień) 7.1. Na czym polega grupowanie 7.2. Algorytmy grupowania 7.2.1. Grupowanie hierarchiczne 7.2.2. Grupowanie iteracyjno-optymalizacyjne 7.3. Grupowanie w celu znajdowania podobnych obiektów 7.4. Grupowanie w celu kompresji 7.5. Wykrywanie anomalii 8. Rekomendowanie 8.1. Systemy rekomendujące 8.2. Odkrywanie asocjacji 8.3. Model Matchbox Recommender 8.3.1. Rekomendowanie przez filtrowanie kolektywne 8.3.2. Rekomendowanie przez filtrowanie cech przedmiotów i użytkowników (hybrydowe) 9. Prognozowanie 9.1. Szeregi czasowe 9.2. Naiwne metody prognozowania 9.3. Modele średniej ważonej 9.4. Modele ARIMA 9.5. Modele nieliniowe 9.6. Prognozowanie w Studiu Azure ML 10. Ocena i poprawa jakości modeli 10.1. Reguła powrotu do średniej 10.2. Kryteria oceny modeli eksploracji danych 10.2.1. Łatwość interpretacji 10.2.2. Trafność 10.2.3. Wiarygodność 10.2.4. Wydajność i skalowalność 10.2.5. Przydatność 10.3. Ocena jakości modeli klasyfikacyjnych 10.3.1. Moduł Evaluate Model 10.3.2. Macierz pomyłek 10.3.3. Krzywa ROC 10.3.4. Wykres precyzja w funkcji czułości i wykres zysku 10.3.5. Trafność klasyfikacji 10.3.6. Klasyfikatory wieloklasowe 10.4. Ocena jakości modeli regresyjnych 10.4.1. Miary oceny modeli 10.4.2. Walidacja krzyżowa 10.5. Ocena jakości modeli grupujących 10.6. Ocena jakości modeli rekomendujących 10.7. Ocena jakości modeli prognozujących 10.8. Porównanie jakości modeli 10.9. Poprawa jakości modeli 10.9.1. Automatyczna poprawa jakości modeli uczenia nadzorowanego 10.9.2. Znalezienie optymalnej liczby klastrów 10.10. Cykl życia eksperymentu data science 11. Publikacja modeli eksploracji danych jako usług WWW 11.1. Wzorcowy eksperyment data science 11.2. Predykcyjne usługi WWW 11.2.1. Zapytania predykcyjne ad-hoc 11.2.2. Wsadowe zapytania predykcyjne

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 144353 (1 egz.)

Książka

W koszyku

Autor

Szeliga Marcin. Wileczek Rafał.

Forma i typ

Książki Publikacje fachowe

Temat

PHP (język programowania). Strony WWW.

Gatunek

Podręcznik.

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Indeks.

Dla twórców witryn WWW programujących w języku PHP.

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 114625 N (1 egz.)

Książka

W koszyku

Praktyczne uczenie maszynowe / Marcin Szeliga ; [recenzent Tadeusz Wieczorek (Politechnika Śląska)]. - Wydanie 1. - Warszawa : PWN, 2019. - XIV, 466, [1] strona : ilustracje, wykresy ; 24 cm.

Autor

Szeliga Marcin Wieczorek Tadeusz (1951- )

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Odbiorca

Informatycy Szkoły wyższe

Temat

Sztuczna inteligencja Uczenie maszynowe.

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Bibliografia, netografia na stronach 463-466.

Dla studentów kierunków informatycznych, analityków, programistów, administratorów baz danych i statystyków.

1.Narzędzia 1.1.Język Python 1.2.Język R 1.2.1.Microsoft R Open (MRO) 1.2.2.Microsoft R Client (MRC) 1.2.3.Microsoft Machine Learning Server (MLS) 1.3.SQL Server 2019 1.3.1.Instalacja 1.3.2.Microsoft SQL Server Machine Learning Services 1.3.3.Bezpieczeństwo 1.3.4.Wydajność 1.4.PyCharm Community Edition 1.5.RStudio Desktop 1.6.Instalacja dodatkowych pakietów 1.7.Power BI Desktop 2.Praca z SQL Server Machine Learning Services 2.1.Wykrywanie oszustw 2.2.Klasyfikacja przejazdów 2.3.Dodatkowe funkcjonalności serwera SQL Server i usługi SQL Machine Learning Services 2.3.1.Zapytania predykcyjne czasu rzeczywistego 2.3.2.Natywne zapytania predykcyjne 2.3.3.Tworzenie modeli dla partycji danych 3.Wstęp do uczenia maszynowego 3.1.Rodzaje uczenia maszynowego 3.2.Proces uczenia 3.3.Modele regresji 3.4.Modele partycjonujące 3.5.Metodyka CRISP-DM 3.6.Metodyka TDSP 4.Zrozumienie danych 4.1.Poznanie danych wymaga zrozumienia postawionego problemu 4.2.Statystyki opisowe 4.2.1.Zmienne numeryczne 4.2.2.Zmienne kategoryczne 4.3.Brakujące dane 4.4.Entropia 4.5.Ocena zmiennych za pomocą programu Power BI 4.6.Ocena zmiennych przy użyciu języka SQL 4.6.1. Automatyczny opis zmiennych 4.7.Wizualizacja zmiennych 4.8.Reprezentatywność danych 4.9.Korelacje między zmiennymi 4.9.1.Klątwa wymiarowości 4.9.2.Ocena przydatności zmiennych 4.9.3.Dwie zmienne numeryczne 4.9.4.Dwie zmienne kategoryczne 4.9.5.Dwie zmienne porządkowe 4.9.6.Zmienna kategoryczna i numeryczna 4.9.7.Korelacja oznacza współwystępowanie, a nie związek przyczynowo-skutkowy 4.10.Ocena korelacji za pomocą programu Power BI 4.11.Ocena korelacji przy użyciu języka SQL 5.Przygotowanie danych 5.1.Uporządkowanie danych 5.2.Wzbogacanie danych 5.2.1. Data i czas 5.3.Wyczyszczenie danych 5.3.1.Usuwanie brakujących wartości 5.3.2.Usuwanie duplikatów 5.3.3.Usuwanie błędnych danych 5.3.4.Usuwanie wartości odstających 5.4.Przekształcenie danych 5.4.1.Kodowanie 5.4.2.Generalizacja 5.4.3.Zaokrąglanie 5.4.4.Dyskretyzacja 5.4.5.Skalowanie 5.4.6.Wygładzanie 5.5.Redukcja danych 5.5.1.Selekcja zmiennych 5.5.2.Analiza składowych głównych 5.5.3.Wybór zmiennych przydatnych dla modelu 5.6.Podział danych 5.6.1.Podział warstwowy 5.6.2.Równoważenie danych 5.6.3.k-krotna walidacja krzyżowa 5.7.Danych walidacyjnych używa się do optymalizacji, a nie do oceny modeli 5.8.Kto miał szansę przeżyć katastrofę Titanica? 6.Analiza skupień 6.1.Grupowanie w celu zmniejszenia liczby przykładów 6.2.Algorytmy iteracyjno-optymalizacyjne 6.3.Segmentacja 7.Regresja 7.1.Zrozumienie problemu 7.2.Zrozumienie danych 7.3.Opisanie danych 7.4.Ocena przydatności danych 7.5.Wzbogacenie danych 7.6.Ocena zmiennych 7.7.Przekształcenie i wybór danych 7.8.Modelowanie 7.8.1.Uczenie na błędach 7.8.2.Regresja liniowa 7.8.3.Ogólny model liniowy CLM 7.8.4.Sztuczne sieci neuronowe 7.8.5.Drzewa regresyjne 7.8.6.Kombinacje modeli 7.9.Porównanie modeli 7.10.Wdrożenie modeli po stronie serwera SQL 8.Klasyfikacja 8.1.Klasyfikacja binarna 8.1.1.Przygotowanie danych 8.1.2.Regresja logistyczna 8.1.3.Sztuczne sieci neuronowe 8.1.4.Klasyfikacja przez indukcję drzew decyzyjnych 8.1.5.Kombinacje modeli 8.1.6.Porównanie modeli 8.1.7.Wdrożenie modeli po stronie serwera SQL 8.2.Klasyfikacja wieloklasowa 8.2.1.Przygotowanie danych 8.2.2.Regresja logistyczna 8.2.3.Sztuczne sieci neuronowe 8.2.4.Klasyfikacja przez indukcję drzew decyzyjnych 8.2.5.Porównanie modeli 8.2.6.Wdrożenie modeli po stronie serwera SQL 9.Ocena modeli 9.1.Nie ma darmowego lunchu 9.2.Błędy modeli predykcyjnych 9.2.1. Błąd systematyczny i błąd aproksymacji 9.3.Kryteria oceny modeli regresji 9.3.1.Średni błąd bezwzględny 9.3.2.Pierwiastek błędu średniokwadratowego 9.3.3.Znormalizowany błąd bezwzględny 9.3.4.Znormalizowany błąd kwadratowy 9.3.5.Współczynnik determinacji R2 9.3.6.Ocena modelu prognozującego pozostały czas bezawaryjnej pracy urządzeń 9.4.Kryteria oceny modeli klasyfikacji binarnej 9.4.1.Macierz błędów 9.4.2.Trafność 9.4.3.Precyzja 9.4.4.Czułość 9.4.5.F-miara 9.4.6.Współczynnik Kappa Cohena 9.4.7.Krzywa ROC i obszar pod krzywą 9.4.8.Ocena modelu klasyfikującego urządzenia jako wymagające lub niewymagające przeglądu 9.5.Kryteria oceny modeli klasyfikacji wieloklasowej 9.5.1.Macierz błędów 9.5.2.Metryki klasy większościowej 9.5.3.Metryki poszczególnych klas 9.5.4. Średnie makro 9.5.5. Średnie mikro 9.6.Ocena modelu klasyfikującego urządzenia do przeglądu 9.7.Interpretacja predykcji 10.Optymalizacja i wdrożenie modeli 10.1.Zrozumienie problemu 10.2.Zrozumienie i przygotowanie danych 10.2.1.Import danych 10.2.2.Ocena danych 10.3.Modelowanie 10.4.Optymalizacja 10.5.Wdrożenie 10.5.1. Analiza typu Co by było, gdyby?

Sygnatura czytelni BWEAiI: XII Ą 97

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 148527, 148529 (2 egz.)

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 148526 N (1 egz.)

Książka

W koszyku

Windows XP PL : ćwiczenia zaawansowane / Marcin Szeliga. - Gliwice : Wydawnictwo Helion, cop. 2002. - 136 s. : il. ; 24 cm.

Autor

Szeliga Marcin.

Temat

Microsoft Windows XP (system operacyjny)

Gatunek

Ćwiczenia i zadania

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 108230 L (1 egz.)