Zwingmann Tobias
Sortowanie
Źródło opisu
Książki, czasopisma i zbiory specjalne
(1)
Forma i typ
Książki
(1)
Publikacje fachowe
(1)
Dostępność
dostępne
(1)
Placówka
Wypożyczalnia
(1)
Autor
Berłowski Paweł
(189)
Kotowski Włodzimierz
(179)
Praca zbiorowa
(157)
Skoczylas Zbigniew
(152)
Stiasny Grzegorz
(143)
Zwingmann Tobias
(-)
Sadlik Ryszard
(142)
Blum Maciej
(140)
Michalski Dariusz
(134)
Lewandowski Maciej
(131)
Majewski Jerzy S
(131)
Etzold Hans-Rüdiger
(120)
Leśniewski Mariusz
(116)
Gewert Marian
(108)
Maruchin Wojciech
(107)
Guryn Halina
(105)
Traczyk Wojciech
(101)
Chalastra Michał
(99)
Kardyś Marta
(97)
Marx Karl (1818-1883)
(94)
Nazwisko Imię
(94)
Berkieta Mateusz
(93)
Tomczak Małgorzata
(93)
Polkowski Sławomir
(92)
Engels Friedrich (1820-1895)
(91)
Jakubiec Izabela
(90)
Kotapski Roman
(90)
Rybicki Piotr
(90)
Krysicki Włodzimierz (1905-2001)
(88)
Teleguj Kazimierz
(88)
Kapołka Maciej
(86)
Mikołajewska Emilia
(84)
Zaborowska Joanna
(81)
Starosolski Włodzimierz (1933- )
(80)
Meryk Radosław
(79)
Piątek Grzegorz
(79)
Rudnicki Bogdan
(79)
Górczyński Robert
(78)
Polit Ryszard
(77)
Mroczek Wojciech
(76)
Kulawik Marta
(74)
Mycielski Krzysztof
(74)
Myszkorowski Jakub
(73)
Konopka Eduard
(71)
Jabłoński Marek
(70)
Bielecki Jan (1942-2001)
(69)
Knosala Ryszard (1949- )
(68)
Rajca Piotr (1970- )
(68)
Rymarz Małgorzata
(68)
Walczak Krzysztof
(68)
Walkiewicz Łukasz
(68)
Wiecheć Marek
(68)
Jabłoński Adam
(67)
Laszczak Mirosław
(66)
Piwko Łukasz
(66)
Wodziczko Piotr
(65)
Dziedzic Zbigniew
(64)
Sidor-Rządkowska Małgorzata
(64)
Żakowski Wojciech (1929-1993)
(64)
Pasko Marian
(62)
Włodarski Lech (1916-1997)
(62)
Czakon Wojciech
(61)
Leyko Jerzy (1918-1995)
(61)
Jankowski Mariusz
(60)
Kostecka Alicja
(60)
Lenin Włodzimierz (1870-1924)
(60)
Paszkowska Małgorzata
(60)
Wróblewski Piotr
(60)
Karpińska Marta
(59)
Próchnicki Wojciech
(59)
Rogala Elżbieta
(59)
Bielecki Maciej
(57)
Jelonek Jakub
(57)
Malkowski Tomasz
(57)
Pilch Piotr
(57)
Rauziński Robert (1933- )
(57)
Gawrońska Joanna
(56)
Ajdukiewicz Andrzej (1939- )
(55)
Cieślak Piotr
(55)
Draniewicz Bartosz
(55)
Godek Piotr
(55)
Osiński Zbigniew (1926-2001)
(55)
Jasiński Filip
(54)
Klupiński Kamil
(54)
Kuliński Włodzisław
(54)
Suchodolski Bogdan (1903-1992)
(54)
Forowicz Krystyna
(53)
Szkutnik Leon Leszek
(52)
Zdanikowski Paweł
(52)
Wantuch-Matla Dorota
(51)
Barowicz Marek
(50)
Trammer Hubert
(50)
Walczak Tomasz
(50)
Watrak Andrzej
(50)
Zgółkowa Halina (1947- )
(50)
Barańska Katarzyna
(49)
Czajkowska-Matosiuk Katarzyna
(49)
Jurlewicz Teresa
(49)
Pikoń Andrzej
(49)
Szargut Jan (1923- )
(49)
Chojnacki Ireneusz
(48)
Rok wydania
2020 - 2024
(1)
Okres powstania dzieła
2001-
(1)
Kraj wydania
Polska
(1)
Język
polski
(1)
Temat
Decyzje
(1)
Zarządzanie strategiczne
(1)
Gatunek
Podręcznik
(1)
1 wynik Filtruj
Książka
W koszyku
Indeks.
Uzyskiwanie wartości biznesowych za pomocą Al Jak Al zmienia krajobraz BI Typowe przypadki użycia Al dla rozwiązań BI Automatyzacja i łatwość użycia Lepsze prognozowanie i przewidywania Posługiwanie się danymi niestrukturyzowanymi Uzyskanie intuicyjnego zrozumienia Al i uczenia maszynowego Mapowanie przypadków użycia Al na efekty biznesowe Od 61 do Dl: ocena wykonalności projektów Al Zacznijmy od danych Ocenianie gotowości danych za pomocą metodologii 4V Łączenie tych czterech cech w celu oceny gotowości danych Wybór pomiędzy utworzeniem a zakupem usług Al Al jako usługa Platforma jako usługa Infrastruktura jako usługa Pełna własność Podstawowe architektury systemów Al Warstwa użytkownika Warstwa danych Warstwa analizy Uwarunkowania etyczne Tworzenie priorytetyzowanej mapy drogowej przypadku użycia Mieszanie czempionów i szybkich zwycięstw Identyfikowanie wspólnych źródeł danych Budowanie porywającej wizji Podstawy uczenia maszynowego Proces nadzorowanego uczenia maszynowego Krok 1: Zbieranie danych historycznych Krok 2: Identyfikowanie cech i etykiet Krok 3: Podział danych na zbiory treningowe i testowe Krok 4: Użycie algorytmów do znalezienia najlepszego modelu Krok 5: Ewaluacja finalnego modelu Krok 6: Wdrożenie Krok 7: Konserwacja Popularne algorytmy uczenia maszynowego Regresja liniowa Drzewa decyzyjne Metody uczenia zespołowego Głębokie uczenie Przetwarzanie języka naturalnego Widzenie komputerowe Uczenie przez wzmacnianie Ewaluacja modelu uczenia maszynowego Ocenianie modeli regresji Ocenianie modeli klasyfikacyjnych Ocenianie modeli klasyfikacji wielokrotnej Typowe pułapki uczenia maszynowego Pułapka 1: Używanie uczenia maszynowego, gdy go nie potrzebujemy Pułapka 2: Nadmierna zachłanność Pułapka 3: Budowanie nadmiernie złożonych modeli Pułapka 4: Nie przerywanie, gdy mamy już dość danych Pułapka 5: Wpadanie w klątwę wymiarowości Pułapka 6: Ignorowanie wartości odstających Pułapka 7: Przyjmowanie infrastruktury chmurowej jako pewnika Prototypowanie Czym jest prototyp i dlaczego jest ważny? Prototypowanie w analityce biznesowej Przybornik prototypowania używany w tej książce Praca z Microsoft Azure Rejestrowanie się w Microsoft Azure Tworzenie obszaru roboczego Azure Machinę Learning Studio Tworzenie zasobu obliczeniowego Azure Tworzenie zasobu magazynowego Praca z Microsoft Power BI Analityka opisowa wspomagana przez Al Przypadek użycia: odpytywanie danych w języku naturalnym Sformułowanie problemu Przegląd rozwiązania Realizacja w Power BI Przypadek użycia: Podsumowywanie danych w języku naturalnym Sformułowanie problemu Przegląd rozwiązania Realizacja w Power BI Analityka diagnostyczna wspomagana przez Al Przypadek użycia: automatyzowanie spostrzeżeń Sformułowanie problemu Przegląd rozwiązania Realizacja w Power BI Analityka predykcyjna wspomagana przez Al Zbiór danych Przypadek użycia: Automatyzowanie zadań klasyfikacyjnych Sformułowanie problemu Przegląd rozwiązania Trenowanie modelu w Microsoft Azure Czym jest zadanie AutoML? Ocena wyników AutoML Wdrażanie modelu w Microsoft Azure Uzyskiwanie przewidywań modelu za pomocą Pythona lub R Wnioskowanie z modelu w Power BI Budowanie pulpitu wspomaganego przez Al w Power BI Przypadek użycia: Usprawnianie przewidywania KPI Sformułowanie problemu Przegląd rozwiązania Trenowanie modelu w Microsoft Azure Wdrażanie modelu w Microsoft Azure Uzyskiwanie przewidywań modelu za pomocą Pythona lub R Wnioskowanie z modelu w Power BI Budowanie pulpitu wspomaganego przez Al w Power BI Przypadek użycia: Automatyzowanie wykrywania anomalii Sformułowanie problemu Przegląd rozwiązania Włączanie usługi Al w Microsoft Azure Uzyskiwanie przewidywań modelu za pomocą Pythona lub R Wnioskowanie z modelu w Power BI Budowanie pulpitu wspomaganego przez Al w Power BI Analizy zaleceń wspomagane przez Al Przypadek użycia: Rekomendowanie najlepszego kolejnego działania Sformułowanie problemu Przegląd rozwiązania Konfigurowanie usługi Al Jak działa uczenie ze wzmacnianiem w usłudze Personałizer Konfigurowanie Azure Notebooks Symulowanie interakcji z użytkownikami Wykonywanie symulacji za pomocą Pythona Ewaluacja wydajności modelu w portalu Azure Wnioskowanie z modelu w Power BI Budowanie pulpitu wspomaganego przez Al w Power BI Wykorzystywanie nieustrukturyzowanych danych za pomocą Al Przypadek użycia: Wyciąganie wniosków na podstawie danych tekstowych Sformułowanie problemu Przegląd rozwiązania Konfigurowanie usługi Al Konfigurowanie potoku danych Wnioskowanie z modelu przy użyciu Power BI Budowanie wspomaganego przez Al pulpitu nawigacyjnego w Power BI Przypadek użycia: Przetwarzanie dokumentów za pomocą Al Sformułowanie problemu Przegląd rozwiązania Konfigurowanie usługi Al Konfigurowanie potoku danych Wnioskowanie z modelu przy użyciu Power BI Budowanie wspomaganego przez Al pulpitu nawigacyjnego w Power BI Przypadek użycia: Zliczanie obiektów na zdjęciach Sformułowanie problemu Przegląd rozwiązania Konfigurowanie usługi Al Konfigurowanie potoku danych Wnioskowanie z modelu przy użyciu Power BI Budowanie wspomaganego przez Al pulpitu nawigacyjnego w Power BI Zebranie wszystkiego razem: Budowanie pulpitu wspomaganego przez Al Sformułowanie problemu Przegląd rozwiązania Przygotowywanie zbiorów danych Alokowanie zasobu obliczeniowego Budowanie przepływu pracy uczenia maszynowego Dodawanie danych nastrojów do przepływu pracy Wdrażanie przepływu pracy na potrzeby wnioskowania Budowanie wspomaganego przez Al pulpitu w Power BI Wykrywanie anomalii Analiza predykcyjna Analiza opisowa wspomagana przez Al Dane niestrukturyzowane Kolejne kroki: od prototypu do produkcji Odkrywanie kontra dostarczanie Kryteria sukcesu dla dostarczania produktu Al Ludzie Procesy Dane Technologia MLOps Zaczynamy od dostarczania kompletnych inkrementacji
1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.
Wypożyczalnia
Są egzemplarze dostępne do wypożyczenia: sygn. 153766 N (1 egz.)
Pozycja została dodana do koszyka. Jeśli nie wiesz, do czego służy koszyk, kliknij tutaj, aby poznać szczegóły.
Nie pokazuj tego więcej

Deklaracja dostępności