SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

389 wyników

Książka

W koszyku

Szeregi czasowe : praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego / Aileen Nielsen ; przekład Filip Kamiński. - Gliwice : Helion, copyright 2020. - 430, [2] strony : ilustracje ; 24 cm.

Autor

Nielsen Aileen. Kamiński Filip.

Forma i typ

Książki Publikacje fachowe

Odbiorca

Analitycy danych Inżynierowie oprogramowania

Temat

Prognozowanie Szeregi czasowe Uczenie maszynowe. Programy komputerowe Systemy zarządzania bazami danych

Gatunek

Poradnik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Practical time series analysis : prediction with statistics and machine learning.

Na okładce, grzbiecie i stronie tytyłowej również nazwa wydawcy oryginału: O'Reilly.

1. Koncepcja szeregów czasowych 15 Szeregi czasowe w różnych dziedzinach - krótka historia 15 Szeregi czasowe w medycynie 16 Przewidywanie pogody 20 Prognozy rozwoju gospodarczego 21 Astronomia 23 Początki analizy szeregów czasowych 24 Metody statystyczne w analizie szeregów czasowych 25 Uczenie maszynowe w analizie szeregów czasowych 26 2. Pozyskiwanie i przetwarzanie szeregów czasowych 29 Gdzie można znaleźć szeregi czasowe? 30 Gotowe zestawy danych 30 Odnajdywanie szeregów czasowych 36 Konstruowanie szeregu czasowego na podstawie danych tabelarycznych 37 Przygotowanie danych - instrukcja krok po kroku 38 Konstruowanie szeregu czasowego na podstawie zebranych danych 44 Problemy związane ze znacznikami czasu 46 Czego dotyczy dany znacznik? 46 Praca z danymi pozbawionymi dokumentacji 48 Co to jest znacząca skala czasu? 50 Oczyszczanie danych 50 Brakujące dane 51 Zmiana częstotliwości próbkowania 60 Wygładzanie danych 63 Wahania sezonowe 68 Strefy czasowe 71 Zapobieganie zjawisku lookahead 74 3. Metody eksplorowania danych czasowych 79 Metody ogólnego przeznaczenia 79 Wykresy liniowe 80 Histogramy 82 Wykresy punktowe 84 Metody przeznaczone do eksploracji szeregów czasowych 86 O stacjonarności słów kilka 86 Stosowanie okien czasowych 90 Związki pomiędzy wartościami w szeregu 95 Korelacje pozorne 105 Przegląd użytecznych metod wizualizacji 107 Wizualizacje w jednym wymiarze 107 Wizualizacje w dwóch wymiarach 108 Wizualizacje w trzech wymiarach 114 4. Symulacje szeregów czasowych 119 Czym wyróżniają się symulacje szeregów czasowych? 120 Symulacje kontra prognozy 120 Symulacje w implementacjach 121 Przykład 1. - zrób to sam 121 Przykład 2. - tworzenie świata symulacji, który sam sobą steruje 126 Przykład 3. - symulacja zjawiska fizycznego 132 Symulacje z wykorzystaniem metod statystycznych 138 Symulacje z wykorzystaniem uczenia głębokiego 138 5. Przechowywanie danych czasowych 141 Definiowanie wymagań 143 Dane rzeczywiste a dane przechowywane 144 Bazy danych 146 SQL kontra NoSQL 147 Przegląd popularnych rozwiązań bazodanowych dla szeregów czasowych 149 Przechowywanie danych w plikach 153 NumPy 154 Pandas 155 Odpowiedniki w środowisku R 155 Xarray 156 6. Modele statystyczne 159 Dlaczego nie należy korzystać z regresji liniowej? 159 Metody statystyczne dla szeregów czasowych 161 Modele autoregresyjne 161 Modele ze średnią ruchomą 174 Zintegrowane modele autoregresyjne średniej ruchomej 178 Model wektorowej autoregresji 187 Inne modele 191 Zalety i wady modeli statystycznych 192 7. Modele zmiennych stanu 195 Wady i zalety modeli zmiennych stanu 196 Filtr Kalmana 197 Model 197 Implementacja 199 Ukryte modele Markowa 203 Sposób działania modelu 204 Dopasowywanie modelu 205 Implementacja dopasowania modelu 208 Bayesowskie strukturalne szeregi czasowe (BSTS) 213 Implementacja 214 8. Generowanie i selekcja cech 221 Przykład wprowadzający 222 Ogólne uwagi dotyczące cech 223 Natura danego szeregu 223 Wiedza dziedzinowa 224 Parametry zewnętrzne 225 Przegląd miejsc, w których można szukać inspiracji dotyczących wyboru cech 225 Biblioteki dostępne na licencji open source 226 Przykłady cech powiązanych z konkretnymi dziedzinami 230 Jak dokonać selekcji cech po ich wygenerowaniu? 233 9. Uczenie maszynowe w analizie szeregów czasowych 239 Klasyfikacja szeregów czasowych 240 Generowanie i selekcja cech 240 Drzewa decyzyjne 243 Klasteryzacja 250 Generowanie cech 251 Metryki uwzględniające zmianę czasu 258 Klasteryzacja w kodzie 262 10. Uczenie głębokie 267 Geneza uczenia głębokiego 269 Implementacja sieci neuronowej 271 Dane, symbole, operacje, warstwy i grafy 272 Budowa potoku uczenia 275 Spojrzenie na zestaw danych 275 Elementy potoku uczenia 278 Jednokierunkowe sieci neuronowe 293 Prosty przykład 293 Wykorzystanie modelu atencji do uczynienia jednokierunkowych sieci bardziej świadomymi czasu 296 Konwolucyjne sieci neuronowe 298 Prosty model sieci konwolucyjnej 300 Alternatywne modele konwolucyjne 302 Rekurencyjne sieci neuronowe 304 Kontynuacja przykładu z zapotrzebowaniem na prąd 307 Autoenkoder 308 Połączenie architektur 309 11. Pomiary błędów 317 Podstawy: jak przetestować prognozę? 318 Weryfikacja historyczna a kwestie związane z konkretnym modelem 320 Kiedy prognoza jest wystarczająco dobra? 321 Szacowanie niepewności modelu w oparciu o symulację 323 Prognozowanie na wiele kroków naprzód 326 Bezpośrednie dopasowanie do danego horyzontu 326 Podejście rekurencyjne do odległych horyzontów czasowych 326 Uczenie wielozadaniowe w kontekście szeregów czasowych 327 Pułapki walidacji 327 12. Kwestie wydajnościowe w dopasowywaniu i wdrażaniu modeli 331 Praca z narzędziami przeznaczonymi do bardziej ogólnych przypadków użycia 332 Modele zbudowane z myślą o danych przekrojowych nie "współdzielą" danych pomiędzy próbkami 332 Modele, które nie wspierają wcześniejszego obliczania, tworzą niepotrzebne opóźnienia pomiędzy pomiarem a prognozowaniem 334 Wady i zalety formatów zapisu danych 334 Przechowuj dane w formacie binarnym 335 Przetwarzaj dane w sposób umożliwiający "przesuwanie się" po nich 335 Modyfikacje analizy dla zwiększenia jej wydajności 336 Wykorzystanie wszystkich danych to niekoniecznie najlepszy pomysł 336 Złożone modele nie zawsze sprawdzają się znacznie lepiej 337 Krótki przegląd innych wysokowydajnych narzędzi 338 13. Zastosowania w obszarze opieki zdrowotnej 341 Przewidywanie grypy 341 Studium przypadku grypy w jednym obszarze metropolitalnym 341 Jak obecnie wygląda prognozowanie grypy? 354 Przewidywanie stężenia cukru we krwi 356 Eksploracja danych i ich oczyszczanie 357 Generowanie cech 361 Dopasowanie modelu 366 14. Zastosowania w obszarze finansów 373 Pozyskiwanie i eksploracja danych finansowych 374 Wstępne przetwarzanie danych do uczenia głębokiego 380 Dodawanie interesujących nas wielkości do surowych danych 380 Skalowanie interesujących nas wielkości bez wprowadzania zjawiska lookahead 381 Formatowanie danych do sieci neuronowej 383 Budowanie i uczenie rekurencyjnej sieci neuronowej 386 15. Szeregi czasowe w danych rządowych 393 Pozyskiwanie danych rządowych 394 Eksploracja dużych zbiorów danych czasowych 395 Zwiększenie częstotliwości próbkowania i agregowanie danych podczas iteracji 399 Sortowanie danych 399 Statystyczna analiza szeregów czasowych "w locie" 403 Pozostałe pytania 412 Dalsze możliwości poprawy 413 16. Pakiety przeznaczone do pracy z szeregami czasowymi 415 Prognozowanie na dużą skalę 415 Wewnętrzne narzędzia Google'a do przemysłowego prognozowania 416 Otwartoźródłowy pakiet Prophet od Facebooka 418 Wykrywanie anomalii 422 Otwartoźródłowy pakiet AnomalyDetection od Twittera 422 Inne pakiety stworzone z myślą o szeregach czasowych 425 17. Prognozy o prognozowaniu 427 Prognozowanie jako usługa 427 Uczenie głębokie zwiększa możliwości probabilistyczne 428 Wzrost znaczenia uczenia maszynowego kosztem statystyki 429 Wzrost popularności metod łączących podejście statystyczne i uczenie maszynowe 429 Więcej prognoz dotyczących życia codziennego 430

Sygnatura czytelni BWEAiI: XII A 85

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. 149866 N (1 egz.)

Książka

W koszyku

Język R : kompletny zestaw narzędzi dla analityków danych / Hadley Wickham, Garrett Grolemund ; [tłumaczenie: Joanna Zatorska]. - Gliwice : Helion, copyright 2020. - 427, [5] stron : ilustracje ; 24 cm.

Autor

Wickham Hadley. Grolemund Garrett. Zatorska Joanna.

Forma i typ

Książki Publikacje fachowe

Odbiorca

Analitycy informacji i raportów medialnych

Temat

Języki programowania R (język programowania) Wizualizacja (grafika) Baza danych Data mining

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: R for data science.

Na okładce i stronie tytułowej logo wydawcy angielskiego wydania: O'Reilly.

Indeks.

Część I Przegląd Rozdział 1. Wizualizacja danych za pomocą pakietu ggplot2 Wymagania wstępne Pierwsze kroki Ramka danych mpg Tworzenie wykresu za pomocą ggplot Szablon wykresu Ćwiczenia Mapowanie estetyk Typowe problemy Panele Obiekty geometryczne Przekształcenia statystyczne Dostosowanie położenia Systemy współrzędnych Warstwowa gramatyka graficzna Rozdział 2. Organizacja pracy podstawy Podstawy kodowania Co się kryje pod nazwą Wywoływanie funkcji Rozdział 3. Przekształcanie danych za pomocą pakietu dplyr Wymagania wstępne nycflights13 Podstawy dplyr Filtrowanie wierszy za pomocą funkcji filter() Porównania Operatory logiczne Brakujące wartości Organizowanie wierszy za pomocą funkcji arrange() Wybieranie kolumn za pomocą funkcji select() Dodawanie nowych zmiennych za pomocą funkcji mutate() Przydatne funkcje do tworzenia nowych zmiennych Zgrupowane wartości sumaryczne za pomocą funkcji summarize() Łączenie kilku operacji w potok Brakujące wartości Liczność Przydatne funkcje sumaryczne Grupowanie według wielu zmiennych Rozgrupowywanie Ćwiczenia Grupowanie wyników mutowania (i filtrowania) Rozdział 4. Organizacja pracy skrypty Uruchamianie kodu Diagnostyka RStudio Rozdział 5. Eksploracyjna analiza danych Wymagania wstępne Odchylenie Wizualizacja rozkładów Typowe wartości Wartości nietypowe Wartości brakujące Kowariancja Zmienna kategorialna i ciągła Dwie zmienne kategorialne Dwie zmienne ciągłe Wzorce i modele Wywołania ggplot2 Więcej informacji Rozdział 6. Organizacja pracy projekty Co jest prawdziwe Gdzie przebywają nasze analizy Ścieżki i katalogi Projekty RStudio Część II Przygotowywanie Rozdział 7. Dane typu tibble z użyciem pakietu tibble Wymagania wstępne Tworzenie danych typu tibble Typ tibble w porównaniu z typem data.frame Wyświetlanie Tworzenie podzbiorów Interakcje ze starszym kodem Rozdział 8. Importowanie danych za pomocą pakietu readr Wymagania wstępne Zaczynamy Porównanie z bazowym R Parsowanie wektora Liczby Napisy Czynniki Daty, dane data i czas oraz czas Parsowanie pliku Strategia Problemy Inne strategie Zapis do pliku Inne typy danych Rozdział 9. Czyszczenie danych z wykorzystaniem pakietu tidyr Wymagania wstępne Czyszczenie danych Rozkład i gromadzenie Gromadzenie Rozkładanie Rozdzielanie i łączenie Rozdzielanie Łączenie Brakujące wartości Studium przypadku Dane nieoczyszczone Rozdział 10. Dane relacyjne z wykorzystaniem pakietu dplyr Wymagania wstępne nycflights13 Klucze Złączenia mutujące Na czym polegają złączenia Złączenie wewnętrzne Złączenia zewnętrzne Zduplikowane klucze Definiowanie kolumn kluczy Inne implementacje Złączenia filtrujące Problemy ze złączeniami Operacje na zbiorach Rozdział 11. Przetwarzanie napisów za pomocą pakietu stringr Wymagania wstępne Podstawy napisów Długość napisu Łączenie napisów Wyodrębnianie fragmentów napisów Ustawienia regionalne Dopasowywanie wzorców do wyrażeń regularnych Podstawowe dopasowanie Kotwice Klasy znaków i alternatywy Powtórzenie Ćwiczenia Grupowanie i odwołania wsteczne Ćwiczenia Narzędzia Wykrywanie dopasowań Wyodrębnianie dopasowań Dopasowania zgrupowane Zastępowanie dopasowań Dzielenie Znajdowanie dopasowań Inne typy wzorców Inne sposoby użycia wyrażeń regularnych Pakiet stringi Rozdział 12. Czynniki z użyciem pakietu forcats Wymagania wstępne Tworzenie czynników Badania General Social Survey Modyfikowanie kolejności czynnika Modyfikowanie poziomów czynników Rozdział 13. Przetwarzanie daty i czasu za pomocą pakietu lubridate Wymagania wstępne Tworzenie daty lub czasu Na podstawie napisów Na podstawie poszczególnych komponentów Na podstawie innych typów Komponenty danych typu data i czas Pobieranie komponentów Zaokrąglanie Ustawianie komponentów Odcinki czasu Czasy trwania Okresy Interwały Podsumowanie Strefy czasowe Część III Program Więcej informacji Rozdział 14. Potoki z wykorzystaniem pakietu magrittr Wymagania wstępne Alternatywy potoków Kroki pośrednie Nadpisywanie oryginału Definiowanie funkcji Użycie potoku Kiedy nie należy używać potoków Inne narzędzia z pakietu magrittr Rozdział 15. Funkcje Wymagania wstępne Kiedy powinienem napisać funkcję Funkcje są dla ludzi i komputerów Wykonywanie warunkowe Warunki Wiele warunków Styl kodu Argumenty funkcji Wybieranie nazw Sprawdzanie wartości Argument Leniwe przetwarzanie Zwracane wartości Jawne instrukcje zwracania Pisanie funkcji nadających się do potoku Środowisko Rozdział 16. Wektory Wymagania wstępne Podstawy wektorów Ważne typy wektorów atomowych Logiczne Liczbowe Napisów Brakujące wartości Ćwiczenia Używanie wektorów atomowych Wymuszanie Funkcje testujące Skalary i reguły dopełniania Nazywanie wektorów Tworzenie podzbiorów Wektory rekurencyjne (listy) Wizualizowanie list Tworzenie podzbiorów Listy przypraw Atrybuty Wektory rozszerzone Czynniki Daty i dane typu data i czas Tibble Rozdział 17. Iteracje za pomocą pakietu purrr Wymagania wstępne Pętle for Odmiany pętli for Modyfikowanie istniejącego obiektu Wzorce pętli Nieznana długość wektora wyjściowego Nieznana długość sekwencji Pętle for kontra programowanie funkcyjne Funkcje mapujące Skróty Bazowy R Obsługa niepowodzeń Mapowanie na podstawie wielu argumentów Wywoływanie różnych funkcji Funkcja walk Inne wzorce pętli for Funkcje predykatów Funkcje reduce i accumulate Część IV Model Generowanie kontra potwierdzanie hipotez Rozdział 18. Podstawy modelowania z wykorzystaniem pakietu modelr Wymagania wstępne Prosty model Wizualizowanie modeli Przewidywania Resztki Formuły i rodziny modeli Zmienne kategorialne Interakcje (ciągłe i kategorialne) Interakcje (dwie zmienne ciągłe) Przekształcenia Wartości brakujące Inne rodziny modeli Rozdział 19. Budowanie modelu Wymagania wstępne Dlaczego diamenty niskiej jakości są droższe Cena w zależności od ilości karatów Bardziej skomplikowany model Co wpływa na liczbę lotów w ciągu dnia Dzień tygodnia Sezonowy efekt soboty Zmienne obliczane Czas roku podejście alternatywne Więcej informacji o modelach Rozdział 20. Wiele modeli z użyciem pakietów purrr i broom Wymagania wstępne gapminder Dane zagnieżdżone Kolumny w postaci list Usuwanie zagnieżdżenia Jakość modelu Kolumny w postaci list Tworzenie kolumn w postaci list Z zagnieżdżaniem Za pomocą funkcji zwektoryzowanych Na podstawie podsumowania wielowartościowego Na podstawie listy nazwanej Upraszczanie kolumn w postaci list Przekształcanie listy w wektor Usuwanie zagnieżdżenia Czyszczenie danych za pomocą pakietu broom Część V Komunikowanie Rozdział 21. R Markdown Wymagania wstępne Podstawy R Markdown Ćwiczenia Formatowanie tekstu za pomocą Markdown Ćwiczenia Fragmenty kodu Nazwa fragmentu Opcje fragmentów Tabela Zapisywanie w pamięci podręcznej Opcje globalne Kod inline Rozwiązywanie problemów Nagłówek YAML Parametry Bibliografie i cytaty Więcej informacji Rozdział 22. Grafika dla komunikacji z wykorzystaniem ggplot2 Wymagania wstępne Etykieta Adnotacje Skale Znaczniki osi i klucze legendy Układ legendy Zastępowanie skali Powiększanie Szablony Zapisywanie wykresów Zmiana rozmiaru rysunków Inne ważne opcje Więcej informacji Rozdział 23. Formaty R Markdown Opcje wyjścia Dokumenty Notatniki Prezentacje Pulpity Interaktywność htmlwidgets Shiny Serwisy WWW Inne formaty Więcej informacji Rozdział 24. Sposób pracy z R Markdown

Sygnatura czytelni BWEAiI: XII L 45

aktualnie wypożyczona

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

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 149893 N (1 egz.)

Książka

W koszyku

Autor

Żyła Łukasz

Forma i typ

Książki Publikacje fachowe

Odbiorca

Dziennikarze

Temat

Publicystyka Przetwarzanie danych automatyczne Wizualizacja danych Baza danych Dane Dziennikarstwo Grafika komputerowa Informacja Języki programowania Wizualizacja (grafika) Wyszukiwanie informacji

Gatunek

Poradniki [Typ publikacji] Poradnik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Media i komunikacja społeczna

Bibliografia, netografia na stronach 206-208.

Rozdział 1. Dane i dziennikarstwo — wprowadzenie 1.1.Czym jest dziennikarstwo danych 1.2.Dziennikarstwo danych jako metoda 1.3.Dane 1.4.Dziennikarstwo a świat cyfrowy 1.5.Otwarte dane 1.6.Warsztat dziennikarza pracującego z danymi 1.7.Dokąd zmierza dziennikarstwo cyfrowe? Rozdział 2. Dziennikarstwo danych — przykłady 2.1.Odkrywamy 2.2.Pokazujemy 2.3.Angażujemy Rozdział 3. Internet, czyli dziennikarstwo online 3.1.Internet 3.2.Jak działają strony internetowe 3.3.Język HTMLiCSS Rozdział 4. Dane — formaty, źródła, zdobywanie 4.1.Przetwarzanie danych 4.2.Źródła informacji 4.3.Dane na wniosek 4.3.1.Bądź przygotowany na opóźnienie 4.3.2.Kiedy informacja jest publiczna? 4.3.3.Kto ma obowiązek udzielenia informacji? 4.3.4.Wnioskuj o dane przetwarzalne 4.3.5.Precyzja i cierpliwość 4.3.6.Pytaj w różnych miejscach i testuj 4.3.7.Odmowa i co dalej? 4.4. A może zautomatyzować? 4.4.1.Wykorzystanie Google Sheets 4.4.2.Gdzie przechowywać dane? 4.4.3.Jakość i źródła ogólnodostępne Rozdział 5. Czyszczenie i agregacja danych 5.1.Pozbądź się śmieci 5.1.1.Sortowanie 5.1.2.Wyszukiwanie fasetowe 5.1.3.Wykrywanie duplikatów 5.1.4.Zastosowanie filtru tekstowego 5.1.5.Transformacje komórek 5.1.6.Usuwanie niewłaściwych danych 5.1.7.Grupowanie danych, czyli klastrowanie 5.2.Szukanie wzorców, czyli analiza 5.2.1.Odrobina statystyki 5.2.2.Powiązania i korelacje 5.3.Metody analizy w praktyce 5.3.1.Przygotowanie tabeli w Google Sheets 5.3.2.Analizy bazodanowe Rozdział 6. Jak tworzyć zrozumiałe i przyciągające uwagę wizualizacje 6.1.Po co i jak wizualizować? 6.2.Jak wygląda dobra wizualizacja? 6.2.1.Bądź uczciwy 6.2.2.Dobierz odpowiedni wykres 6.2.3.Wykorzystaj właściwe skale 6.2.4.Zastosuj odpowiednie kolory 6.2.5.Spraw, aby wizualizacja była czytelna 6.3.Najczęstsze błędy 6.3.1.Wykres 3D 6.3.2.Brak odwzorowania danych 6.3.3.Zbyt duże opisy i legenda 6.3.4.Brak różnic 6.3.5.Zmiana skali 6.4. Rodzaje wizualizacji 6.4.1.Wizualizacja proporcji 6.4.2.Porównanie kilku wartości 6.4.3.Śledzenie zmian w czasie 6.4.4.Obserwacja zależności między danymi 6.4.5.Zależności przestrzenne 6.4.6.Rozkład cechy statystycznej Rozdział 7. Data storytelling 7.1.Składowe 7.2.Wzorce, czyli szkielet data story 7.2.1.Wzorce argumentacji 7.2.2.Wzorce przepływu 7.2.3.Wzorce kadrowania narracji 7.2.4.Wzorce empatii i emocji 7.2.5.Wzorce zaangażowania 7.3.Elementy GUI 7.4.Data storytelling w praktyce Rozdział 8. Jak stworzyć wizualizacje 8.1.Na początek coś prostego — Datawrapper 8.2.Flourish 8.3.Sieci społecznościowe 8.4.Coś bardziej zaawansowanego, czyli Tableau 8.5.Ekosystem, czyli Google Charts i Google Maps 8.6.Infogram 8.7.Łączenie wizualizacji Rozdział 9. Wstęp do programowania 9.1.Zmienne 9.2.Obiekty 9.3.Tablice 9.4.Tablice i obiekty 9.5.Funkcje 9.6.Instrukcje warunkowe Rozdział 10. Wizualizacja zaprogramowana 10. 1. Chart.js 10.2.Highcharts i AmCharts 10.3.p5.js lO.4. ECharts 10.5. Vega-Lite Rozdział 11. Data story w sieci Dodatek A. Wywiad z Dominikiem Uhligiem, redaktorem naczelnym serwisu BIQdata „Gazety Wyborczej"

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 153007 N (1 egz.)

Brak okładki

Książka

W koszyku

Techniczne podstawy systemów klient-serwer / Carl L. Hall ; tł. Paweł Niedziałek. - Warszawa : Wydaw-a Naukowo-Techniczne, 1996. - 187 s. : rys., schem. ; 24 cm.

Autor

Hall Carl L. Niedziałek Paweł.

Temat

Informatyka Sieć komputerowa. PLATFORMY SERWERY PLIKÓW SERWERY BAZ DANYCH SYSTEMY KLIENT-SERWER SYSTEMY OTWARTE ROZPROSZONE SYSTEMY KOMPUTEROWE

Tyt. oryg. : Technical Foundations of Client/Server Systems.

Bibliogr.s. [185]

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 106909 L (1 egz.)

Książka

W koszyku

Integrated support system for access to information in urban space with use of GPS and GIS systems / ed. by Marek Goliński, Maciej Szafrański ; [transl. - Matthew Hohn]. - Poznań : Publishing House of Poznan University of Technology, 2012. - 145 s. : il. (w tym kolor.) ; 24 cm.

Autor

Goliński Marek (nauki ekonomiczne). Szafrański Maciej. Hohn Matthew H.

Temat

Geoinformacja Global Positioning System Topografia Poznań (Polska ; region)

Bibliogr., netogr., wykaz norm s. [137]-145.

dostępna w czytelni

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

Magazyn

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 138237 LE (1 egz.)

Brak okładki

Książka

W koszyku

Komputerowo zintegrowane wytwarzanie / Jarosław Plichta, Stanisław Plichta ; Politechnika Koszalińska. - Koszalin : Politechnika Koszalińska - Wydaw. Uczelniane, 1999. - 159 s. : il., rys., schem., tab., wykr. ; 24 cm.

Autor

Plichta Jarosław. Plichta Stanisław.

Temat

Programy komputerowe SYSTEMY EKSPERTOWE PLANOWANIA PRODUKCJI SYSTEMY EKSPERTOWE STEROWANIA PRODUKCJĄ Computer Aided Design (system) Przemysł Computer Aided Engineering Systemy wytwarzania elastyczne Sieci komputerowe rozległe Sieci komputerowe lokalne Bazy danych WYTWARZANIE ZINTEGROWANE

Bibliogr.s. 158 - 159

Sygnatura czytelni BWEAiI: XII Ś 20

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. S 69251 LE N (1 egz.)

Brak okładki

Książka

W koszyku

Oprogramowanie mikrokomputerów / Jan Bielecki. - Warszawa : Wydaw-a Komunikacji i Łączności, 1987. - 398 s. ; 25 cm.

Autor

Bielecki Jan (1942-2001).

Temat

Informatyka Programy komputerowe Komputery PL/M [Programming Language for Microcomputers] (język programowania) C (język programowania) Forth (język programowania) WordStar (edytor) dBase II (baza danych)

Bibliogr.s. [280]

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 75698, 75697, 81262, 75696, 75700, 75699, 75658 L, 75519 (8 egz.)

Brak okładki

Książka

W koszyku

Systemy projektowania komputerowego : laboratorium / Dariusz Baczyński, Piotr Helt, Paweł Piotrowski. - Warszawa : Politechnika Warszawska - Oficyna Wydaw., 1999. - 170, [1] s. : rys., tab., wykr. ; 24 cm.

(Skrypty / Politechnika Warszawska)

Autor

Baczyński Dariusz. Helt Piotr. Piotrowski Paweł.

Temat

Elektrotechnika dBase (baza danych) AutoCAD (oprogramowanie) AutoLip (język programowania) Imagineer Technical (program) RasterEdit (program) Projektowanie wspomagane komputerowo. EN-CAD (system) OPT-NAP (system)

Bibliogr.s. 170 - [171]

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. S 70415 L (1 egz.)

Książka

W koszyku

Deep learning : praktyczne wprowadzenie z zastosowaniem środowiska Pythona / Ron Kneusel ; przekład: Krzysztof Sawka. - Gliwice : Helion, copyright 2022. - 472 strony : fotografie, ilustracje, wykresy ; 23 cm.

Autor

Kneusel Ronald. Sawka Krzysztof

Forma i typ

Książki Publikacje fachowe

Odbiorca

Programiści

Temat

Sztuczna inteligencja. Języki programowania. Sieci neuronowe (informatyka). Baza danych Biblioteka (informatyka) Deep learning Python (język programowania) Sztuczna sieć neuronowa Uczenie maszynowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Na stronie tytułowej i okładce także nazwa wydawcy oryginału: No starch press.

Indeks.

Środowisko operacyjne NumPy scikit-learn Keras i TensorFlow Instalacja narzędzi Podstawy algebry liniowej Wektory Macierze Mnożenie wektorów i macierzy Statystyka i prawdopodobieństwo Statystyka opisowa Rozkłady prawdopodobieństwa Testy statystyczne Procesory graficzne (GPU) 2. Korzystanie z Pythona Interpreter Pythona Instrukcje i białe znaki Zmienne i podstawowe struktury danych Przedstawianie liczb Zmienne Łańcuchy znaków Listy Słowniki Struktury sterowania Instrukcje if-elif-else Pętle for Pętle while Instrukcje break i continue Instrukcja with Obsługa błędów za pomocą bloków try-except Funkcje Moduły 3. Biblioteka NumPy Dlaczego NumPy? Tablice a listy Testowanie szybkości tablic i list Definiowanie tablicy za pomocą funkcji, np. array Definiowanie tablic wypełnionych zerami i jedynkami Dostęp do elementów tablicy Indeksowanie tablicowe Uzyskiwanie wycinków tablicy Wielokropek Operatory i rozgłaszanie Dane wejściowe i wyjściowe tablic Liczby losowe Biblioteka NumPy i obrazy 4. Praca z danymi Klasy i etykiety Cechy i wektory cech Dobór cech i klątwa wymiarowości Własności dobrego zestawu danych Interpolacja i ekstrapolacja Główny rozkład prawdopodobieństwa Rozkład a priori Przykłady mylące Rozmiar zestawu danych Przygotowanie danych Skalowanie cech Brakujące cechy Dane uczące, walidacyjne i testowe Trzy podzbiory Dzielenie zestawu danych k-krotny sprawdzian krzyżowy Analiza danych Wyszukiwanie problemów z danymi 5. Budowanie zestawów danych Kosaćce (zestaw danych Iris) Nowotwory piersi (zestaw danych Breast Cancer) Cyfry zapisane pismem odręcznym (zestaw danych MNIST) Różne obrazy (zestaw danych CIFAR-10) Rozszerzanie danych Dlaczego należy rozszerzać dane uczące? Sposoby rozszerzania danych Rozszerzanie zestawu danych Iris Rozszerzanie zestawu danych CIFAR-10 6. Klasyczne uczenie maszynowe Algorytm najbliższego centroidu Algorytm k najbliższych sąsiadów Naiwny klasyfikator Bayesa Drzewa decyzyjne i lasy losowe Rekurencja Budowanie drzew decyzyjnych Lasy losowe Maszyny wektorów nośnych Marginesy Wektory nośne Optymalizacja Jądra 7. Eksperymentowanie z klasycznymi modelami Eksperymenty z użyciem zestawu danych Iris Testowanie klasycznych modeli Implementacja klasyfikatora najbliższego centroidu Eksperymenty z użyciem zestawu danych Breast Cancer Dwa pierwsze przebiegi testowe Skutek losowych podziałów Dodawanie k-krotnego sprawdzianu krzyżowego Poszukiwanie hiperparametrów Eksperymenty z użyciem zestawu danych MNIST Testowanie klasycznych modeli Analiza czasu działania Eksperymenty z głównymi składowymi analizy PCA Tasowanie zestawu danych Podsumowanie klasycznych modeli Algorytm najbliższego centroidu Algorytm k najbliższych sąsiadów Naiwny klasyfikator Bayesa Drzewa decyzyjne Lasy losowe Maszyny wektorów nośnych Kiedy używać klasycznych modeli? Korzystanie z małych zestawów danych Ograniczone zasoby obliczeniowe Dostęp do wyjaśnialnych modeli Praca z danymi wektorowymi 8. Wprowadzenie do sieci neuronowych Anatomia sieci neuronowej Neuron Funkcje aktywacji Architektura sieci Warstwy wyjściowe Wagi i obciążenia Implementacja prostej sieci neuronowej Przygotowanie zestawu danych Implementacja sieci neuronowej Uczenie i testowanie sieci neuronowej 9. Uczenie sieci neuronowej Algorytm gradientu prostego Wyszukiwanie minimów Aktualizowanie wag Stochastyczny spadek wzdłuż gradientu Grupy i minigrupy Funkcje wypukłe i niewypukłe Kończenie uczenia Aktualizowanie współczynnika uczenia Momentum Propagacja wsteczna Propagacja wsteczna - ujęcie pierwsze Propagacja wsteczna - ujęcie drugie Funkcje straty Błąd bezwzględny i błąd średniokwadratowy Entropia krzyżowa Inicjalizowanie wag Przetrenowanie i regularyzacja Przetrenowanie Regularyzacja Regularyzacja L2 Porzucanie 10. Eksperymentowanie z sieciami neuronowymi Nasz zestaw danych Klasa MLPClassifier Struktura sieci i funkcje aktywacji Kod Rozmiar grupy Podstawowy współczynnik uczenia Rozmiar zbioru uczącego Regularyzacja L2 Momentum Inicjalizacja wag Kolejność cech Ocenianie modeli Dlaczego dokładność jest niewystarczająca? Macierz pomyłek 2×2 Wskaźniki wyprowadzane z macierzy pomyłek Wyprowadzanie wskaźników na podstawie macierzy pomyłek Interpretowanie modeli za pomocą wskaźników Zaawansowane wskaźniki Informatywność i nacechowanie Wskaźnik F1 Współczynnik kappa Cohena Współczynnik korelacji Matthewsa Implementacja zaawansowanych wskaźników Krzywa charakterystyki operacyjnej odbiornika Dobór modeli Rysowanie wykresu wskaźników Analiza krzywej ROC Porównywanie modeli za pomocą analizy ROC Generowanie krzywej ROC Krzywa precyzji-czułości Przypadki wieloklasowe Rozszerzanie macierzy pomyłek Obliczanie dokładności ważonej Wieloklasowy współczynnik korelacji Matthewsa Wprowadzenie do splotowych sieci neuronowych Dlaczego splotowe sieci neuronowe? Splot Skanowanie za pomocą jądra Splot w przetwarzaniu obrazów Anatomia splotowej sieci neuronowej Różne typy warstw Przepuszczanie danych przez sieć splotową Warstwy splotowe Mechanizm działania warstwy splotowej Korzystanie z warstwy splotowej Wielokrotne warstwy splotowe Inicjalizacja warstwy splotowej Warstwy łączące Warstwy w pełni połączone Pełne warstwy splotowe Eksperymentowanie z biblioteką Keras i zestawem danych MNIST Budowanie sieci splotowych w bibliotece Keras Wczytywanie danych MNIST Budowanie modelu Uczenie i ocena modelu Tworzenie wykresu funkcji błędu Podstawowe eksperymenty Eksperymenty na architekturze Rozmiar zbioru uczącego, minigrup oraz liczba epok Optymalizatory Pełne sieci splotowe Budowa i trenowanie modelu Przygotowanie obrazów testowych Testowanie modelu Potasowane cyfry MNIST Eksperymentowanie z zestawem danych CIFAR-10 Zestaw CIFAR-10 - przypomnienie Praca na pełnym zestawie CIFAR-10 Budowanie modeli Analizowanie modeli Zwierzę czy pojazd? Model binarny czy wieloklasowy? Uczenie transferowe Strojenie modelu Przygotowanie zestawów danych Dostosowanie modelu do strojenia Testowanie modelu Studium przypadku: klasyfikowanie próbek dźwiękowych Budowanie zestawu danych Rozszerzanie zestawu danych Wstępne przetwarzanie danych Klasyfikowanie cech dźwiękowych Modele klasyczne Tradycyjna sieć neuronowa Splotowa sieć neuronowa Spektrogramy Klasyfikowanie spektrogramów Inicjalizacja, regularyzacja i normalizacja wsadowa Analiza macierzy pomyłek

Sygnatura czytelni BWEAiI: XII Ł 215

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. 153005 (1 egz.)

E-book

W koszyku

Tworzenie i udostępnianie baz danych w sieci www: podręcznik dla bibliotekarzy i dokumentalistów / Wiesław Gliński, Henryk Rybiński. - Warszawa : SBP ; IBUK Libra, 2004. - 233 s.

Autor

Gliński Wiesław. Rybiński Henryk.

Forma i typ

E-booki

Książka ma charakter podręcznika przeznaczonego dla bibliotekarzy i dokumentalistów. Autor recenzji zwraca uwagę na zbyt szerokie sformułowanie tytułu, który nie jest adekwatny do zawartości treściowej publikacji. Z tytułu nie wynika, że chodzi o zamieszczanie w Sieci baz ISIS. Jednocześnie recenzent zaznacza, że pozycja jest godna polecenia. Zwraca on głównie uwagę na przejrzystą strukturę publikacji oraz wspomaganie treści licznymi rysunkami, schematami i tabelami. Omówiony podręcznik podzielony jest na pięć rozdziałów a każdy z nich zakończony jest zestawem ćwiczeń. Rozdział pierwszy opisuje sposoby modelowania danych na przykładzie klasycznego modelu relacji - encji (E-R) Petera Chenna. Zdaniem recenzenta rozdział może być szczególnie przydatny dla osób, które dotychczas nie tworzyły baz danych. Rozdział drugi obejmuje ogólną charakterystykę pakietu CDS/ISIS. Rozdział trzeci zawiera prezentację schematu funkcjonowania WWW-ISIS oraz informacje dotyczące procesu instalacji systemu WWW-ISIS, jego podstawowych funkcji i interfejsu wprowadzania danych. Rozdział czwarty przedstawia metodę udostępniania baz danych ISIS w sieci Internet. Rozdział piąty opisuje aktualizowanie zawartości bazy danych z poziomu strony WWW. Publikacja darmowa

dostępna online

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.

Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.

Informacje o książce ; Spis treści

E-book

W koszyku

Metody badań marketingowych modelowanie, technologia, wizualizacja / red. Alicja Grześkowiak, Krystyna Mazurek-Łopacińska, Magdalena Sobocińska, Agnieszka Stanimir. - Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu ; IBUK Libra, 2016. - 184 s.

Autor

Grześkowiak Alicja. Mazurek-Łopacińska Krystyna. Sobocińska Magdalena. Stanimir Agnieszka.

Forma i typ

E-booki

Zmiany zachodzące w badaniach marketingowych wyrażają się w rozwoju złożonych metod i technik modelowania oraz wizualizacji danych, a także w rosnącym zakresie wykorzystywania nowych technologii w procesach zarządzania informacją. Celem monografii jest zaprezentowanie osiągnięć w metodologii badań marketingowych wyrażonych przez rozwój baz danych, modelowania, a także metod i form wizualizacji danych. Monografia stanowi odpowiedź na rosnące potrzeby decydentów, którzy oczekują dzisiaj coraz bardziej pogłębionych analiz z wykorzystaniem coraz większej liczby danych i występujących między nimi współzależności.

dostępna online

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.

Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.

Informacje o książce ; Spis treści

E-book

W koszyku

Rola partycypacji społecznej w kształtowaniu miast / Małgorzata Mirecka. - Oficyna Wydawnicza Politechniki Warszawskiej ; IBUK Libra, 2023. - 154 s.

Autor

Mirecka Małgorzata.

Forma i typ

E-booki

Celem monografii jest ocena przydatności różnych form konsultacji społecznych na wybranych etapach procesu planistycznego, a w efekcie zbadanie, w jaki sposób udział lokalnych społeczności realnie wpływa na ostateczne decyzje planistyczne, a tym samym na zagospodarowanie przestrzenne. W trakcie prac badawczych przeprowadzono rozpoznanie dotychczasowego stanu badań z zakresu partycypacji społecznej w planowaniu przestrzennym oraz przepisów regulujących udział społeczności lokalnych w sporządzaniu opracowań planistycznych i ich ewolucji od czasu transformacji ustrojowej. W monografii podjęto również rozważania na temat roli projektanta urbanisty w planowaniu partycypacyjnym, opisując techniki stosowane na różnych etapach działań planistycznych. W kontekście poszukiwań lokalnych gospodarzy miejskich przestrzeni opisano rolę, jaka mogą odgrywać publiczne instytucje kultury. Jeden z rozdziałów poświęcono też inwestycjom infrastrukturalnym, których realizacja wywołuje często syndrom NIMBY, i możliwościom jego łagodzenia. Ilustrację obecnych tendencji w procesach planowania partycypacyjnego stanowią wybrane studia przypadków różnych działań, związanych z udziałem mieszkańców – tych obowiązkowych, wynikających z przepisów prawa, jak i tych prowadzonych przez samorządy dobrowolnie – warsztatów i konkursów urbanistycznych.

dostępna online

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.

Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.

Informacje o książce ; Spis treści

E-book

W koszyku

Data science: najseksowniejszy zawód XXI wieku w Polsce : Big data, sztuczna inteligencja i PowerPoint / Remigiusz Żulicki. - Łódź : Wydawnictwo Uniwersytetu Łódzkiego ; IBUK Libra, 2022. - 348 s.

Autor

Żulicki Remigiusz.

Forma i typ

E-booki

Czy sztuczna inteligencja pozbawia nas pracy? Algorytmy przejmują władzę nad światem? Czy big data sprawia, że jesteśmy bezustannie inwigilowani, a ogromna ilość danych zastępuje ekspertów i naukowców? Cokolwiek sądzimy na te tematy, jedno jest pewne – istnieje heterogeniczne środowisko ludzi zajmujących się tzw. „sztuczną inteligencją” czy tzw. „big data” od strony technicznej oraz metodologicznej. Pole ich działania nazywane jest data science, a oni – data scientists. Publikacja to pierwsza monografia socjologiczna dotycząca data science i pierwsza praca w naukach społecznych, w której data science zostało zbadane jako społeczny świat w rozumieniu Adele E. Clarke. Podejście to pozwala spojrzeć na data science, nazwane dekadę wstecz w „Harvard Business Review” „najseksowniejszym zawodem XXI wieku”, zarówno z perspektywy jego uczestników, jak i z lotu ptaka, w relacji do akademii, biznesu, prawa, mediów czy polityki.

dostępna online

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.

Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.

Informacje o książce ; Spis treści

E-book

W koszyku

Informatyka Ekonomiczna 3(37) : Praca zbiorowa / red. Praca zbiorowa. - Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu ; IBUK Libra, 2016. - 70 s.

Autor

Praca zbiorowa.

Forma i typ

E-booki

Prezentowany numer, jak wszystkie wcześniejsze zeszyty serii Informatyka Ekonomiczna, ma unikatowy charakter. Autorami tekstów w nim zamieszczonych są bowiem zarówno doświadczeni pracownicy naukowi, szanowani i poważani profesorowie, jak i początkujący adepci praktyki gospodarczej i nauki, zajmujący się problematyką szeroko rozumianych systemów informacyjnych zarządzania.Główną przesłanką przygotowania numeru była chęć ukazania szerokiego spektrum poglądów autorów i ich przemyśleń wynikających z doświadczeń zdobytych w trakcie wieloletniej praktyki związanej z tworzeniem, doskonaleniem i implementacją nowoczesnych technologii w organizacjach.Wszystkie artykuły znajdujące się w niniejszym zeszycie otrzymały dwie pozytywne recenzje. Redaktor prezentowanego wydania pragnie podziękować wszystkim autorom,którzy zechcieli podzielić się swoimi doświadczeniami i poglądami, składa ponadto podziękowania recenzentom za wnikliwe i rzeczowe oceny przedkładanych prac. Iwona Chomiak-Orsa

dostępna online

Ta pozycja jest dostępna przez Internet. Rozwiń informację, by zobaczyć szczegóły.

Dostęp do treści elektronicznej wymaga posiadania kodu PIN. Po odbiór kodu PIN zapraszamy do biblioteki.

Informacje o książce ; Spis treści