SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

11 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.)

Książka

W koszyku

Data Science : programowanie, analiza i wizualizacja danych z wykorzystaniem języka R / Freeman Michael, Joel Ross ; tłumaczenie Tomasz Walczak. - Gliwice : Helion, copyright 2020. - 360 stron : ilustracje ; 24 cm.

Autor

Freeman Michael Ross Joel E. (1922- ). Walczak Tomasz tłumacz).

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

R (język programowania) Analiza danych Data mining

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Programming skills for Data Science : start writing code to wrangle, analyze, and visualize data with R.

Indeks.

Dla analityków danych.

Rozdział 1 Przygotowywanie komputera23 1.1.Przygotowywanie narzędzi używanych w wierszu poleceń24 1.1.1. Wiersz poleceń w systemie macOS24 1.1.2. Wiersz poleceń w systemie Windows25 1.1.3. Wiersz poleceń w systemie Linux25 1.2.Instalowanie systemu git25 1.3.Tworzenie konta w serwisie GitHub26 1.4.Wybieranie edytora tekstu26 1.4.1. Atom26 1.4.2. Visual Studio Code27 1.4.3. Sublime Text27 1.5.Pobieranie języka R28 1.6.Pobieranie środowiska RStudio28 Rozdział 2 Używanie wiersza poleceń31 2.1.Uruchamianie wiersza poleceń31 2.2.Poruszanie się w systemie plików32 2.2.1. Przechodzenie do innego katalogu33 2.2.2. Wyświetlanie listy plików35 2.2.3. Ścieżki35 2.3.Zarządzanie plikami37 2.3.1. Uczenie się nowych instrukcji37 2.3.2. Symbole wieloznaczne39 2.4.Radzenie sobie z błędami40 2.5.Przekierowywanie danych wyjściowych41 2.6.Polecenia związane z siecią42 CZĘŚĆ II Zarządzanie projektami45 Rozdział 3 Kontrola wersji z użyciem systemu git i serwisu GitHub47 3.1.Czym jest git?47 3.1.1. Podstawowe zagadnienia związane z systemem git48 3.1.2. Czym jest GitHub?49 3.2.Konfigurowanie narzędzi i tworzenie projektu50 3.2.1. Tworzenie repozytorium51 3.2.2. Sprawdzanie stanu51 3.3.Śledzenie zmian w projekcie52 3.3.1. Dodawanie plików53 3.3.2. Zatwierdzanie54 3.3.3. Proces używania systemu git55 3.4.Zapisywanie projektów w witrynie GitHub56 3.4.1. Forki i klonowanie57 3.4.2. Wysyłanie i pobieranie59 3.5.Dostęp do historii projektu60 3.5.1. Historia rewizji60 3.5.2. Powrót do starszych wersji61 3.6.Ignorowanie plików w projekcie62 Rozdział 4 Tworzenie dokumentacji za pomocą języka Markdown65 4.1.Pisanie kodu w języku Markdown65 4.1.1. Formatowanie tekstu66 4.1.2. Bloki tekstu66 4.1.3. Hiperłącza67 4.1.4. Rysunki67 4.1.5. Tabele68 4.2.Wyświetlanie dokumentów w języku Markdown68 CZĘŚĆ III Podstawowe umiejętności z zakresu języka R71 Rozdział 5 Wprowadzenie do języka R73 5.1.Programowanie z użyciem języka R73 5.2.Uruchamianie kodu w języku R74 5.2.1. Używanie środowiska RStudio74 5.2.2. Używanie języka R w wierszu poleceń76 5.3.Dodawanie komentarzy78 5.4.Definiowanie zmiennych78 5.4.1. Podstawowe typy danych80 5.5.Szukanie pomocy83 5.5.1. Nauka uczenia się języka R84 Rozdział 6 Funkcje89 6.1.Czym jest funkcja?89 6.1.1. Składnia funkcji w języku R90 6.2.Wbudowane funkcje języka R91 6.2.1. Argumenty nazwane92 6.3.Wczytywanie funkcji93 6.4.Pisanie funkcji95 6.4.1. Debugowanie funkcji97 6.5.Instrukcje warunkowe98 Rozdział 7 Wektory101 7.1.Czym jest wektor?101 7.1.1. Tworzenie wektorów101 7.2.Operacje wektorowe102 7.2.1. Ponowne używanie elementów104 7.2.2. Prawie wszystko jest wektorem105 7.2.3. Funkcje wektorowe105 7.3.Indeksy w wektorach107 7.3.1. Listy indeksów108 7.4.Filtrowanie wektorów109 7.5.Modyfikowanie wektorów110 Rozdział 8 Listy113 8.1.Czym jest lista?113 8.2.Tworzenie list114 8.3.Dostęp do elementów listy115 8.4.Modyfikowanie list117 8.4.1. Pojedyncze i podwójne nawiasy kwadratowe118 8.5.Stosowanie funkcji do list za pomocą wywołania lapply()119 CZĘŚĆ IV Przekształcanie danych121 Rozdział 9 Jak zrozumieć dane?123 9.1.Proces generowania danych123 9.2.Wyszukiwanie danych124 9.3.Rodzaje danych126 9.3.1. Skale pomiarowe126 9.3.2. Struktury danych127 9.4.Interpretowanie danych129 9.4.1. Zdobywanie wiedzy w danej dziedzinie129 9.4.2. Jak zrozumieć schematy danych?131 9.5.Odpowiadanie na pytania na podstawie danych133 Rozdział 10 Ramki danych135 10.1. Czym jest ramka danych?135 10.2. Praca z ramkami danych136 10.2.1. Tworzenie ramek danych136 10.2.2. Opisywanie struktury ramek danych137 10.2.3. Dostęp do ramek danych138 10.3. Praca z danymi CSV139 10.3.1. Katalog roboczy140 10.3.2. Zmienne w postaci faktorów142 Rozdział 11 Operowanie danymi za pomocą pakietu dplyr145 11.1. Gramatyka operowania danymi145 11.2.Podstawowe funkcje pakietu dplyr146 11.2.1. Pobieranie (funkcja selekt())147 11.2.2. Filtrowanie (funkcja filter())149 11.2.3. Dodawanie kolumn (funkcja mutate())150 11.2.4. Sortowanie danych (funkcja arrange())151 11.2.5. Tworzenie podsumowań (funkcja summarize())152 11.3.Wykonywanie operacji sekwencyjnych153 11.3.1. Operator potoku154 11.4.Analizowanie ramek danych z wykorzystaniem grupowania155 11.5.Złączanie ramek danych157 11.6.Pakiet dplyr w praktyce — analizowanie danych na temat lotów162 Rozdział 12 Porządkowanie danych za pomocą pakietu tidyr169 12.1.Czym jest porządkowanie danych?169 12.2.Od kolumn do wierszy — gather()171 12.3.Z wierszy na kolumny — spread()172 12.4.Pakiet tidyr w praktyce — eksplorowanie statystyk na temat edukacji174 Rozdział 13 Dostęp do bazy danych181 13.1.Przegląd relacyjnych baz danych181 13.1.1. Czym jest relacyjna baza danych?182 13.1.2. Tworzenie relacyjnej bazy danych184 13.2.Wstęp do języka SQL185 13.3.Dostęp do bazy danych w języku R189 Rozdział 14 Używanie internetowych interfejsów API193 14.1.Czym jest internetowy interfejs API?193 14.2.Żądania REST194 14.2.1. Identyfikatory URI194 14.2.2. Operacje (czasowniki) z protokołu HTTP201 14.3.Dostęp do internetowych interfejsów API w R201 14.4.Przetwarzanie danych w formacie JSON203 14.4.1. Przetwarzanie danych w formacie JSON205 14.4.2. Spłaszczanie danych207 14.5.Interfejsy API w praktyce — znajdowanie kubańskiego jedzenia w Seattle209 CZĘŚĆ V Wizualizacje danych215 Rozdział 15 Projektowanie wizualizacji danych217 15.1.Cel wizualizacji217 15.2.Wybieranie układu graficznego219 15.2.1. Wizualizowanie jednej zmiennej220 15.2.2. Wizualizowanie wielu zmiennych223 15.2.3. Wizualizowanie danych hierarchicznych227 15.3.Wybieranie skutecznego kodowania graficznego229 15.3.1. Skuteczne kolory231 15.3.2. Wykorzystanie atrybutów przed u wagowych234 15.4.Ekspresywne prezentacje danych236 15.5.Zwiększanie estetyki238 Rozdział 16 Tworzenie wizualizacji za pomocą pakietu ggplot2241 16.1.Gramatyka grafiki241 16.2.Tworzenie podstawowych wykresów za pomocą ggplot2242 16.2.1. Określanie obiektów geometrycznych245 16.2.2. Odwzorowania aspektów estetycznych247 16.3.Złożone układy i dostosowywanie opcji248 16.3.1. Dostosowywanie pozycji248 16.3.2. Zmienianie stylu za pomocą skal250 16.3.3. Układ współrzędnych253 16.3.4. Fasety254 16.3.5. Etykiety i uwagi255 16.4.Tworzenie map257 16.4.1. Kartogramy258 16.4.2. Mapy punktowe261 16.5.Pakiet ggplot2 w praktyce — mapa eksmisji w San Francisco262 Rozdział 17 Interaktywne wizualizacje w języku R267 17.1.Pakiet plotly269 17.2.Pakiet rbokeh271 17.3.Pakiet leaflet273 17.4.Interaktywne wizualizacje w praktyce — analizowanie zmian w Seattle276 CZĘŚĆ VI Tworzenie i udostępnianie aplikacji281 Rozdział 18 Tworzenie dynamicznych raportów za pomocą platformy R Markdown283 18.1.Konfigurowanie raportu283 18.1.1. Tworzenie plików .rmd284 18.1.2. Kompilowanie dokumentów286 18.2.Integrowanie tekstu w formacie Markdown i kodu w języku R287 18.2.1. Wykonywalne fragmenty kodu w języku R287 18.2.2. Kod wewnątrzwierszowy288 18.3.Wyświetlanie danych i wizualizacji w raportach289 18.3.1. Wyświetlanie łańcuchów znaków289 18.3.2. Wyświetlanie list w formacie Markdown290 18.3.3. Wyświetlanie tabel291 18.3.4. Wyświetlanie wykresów292 18.4.Udostępnianie raportów jako stron internetowych293 18.5.Platforma R Markdown w praktyce — raport na temat oczekiwanej długości życia295 Rozdział 19 Tworzenie interaktywnych aplikacji internetowych za pomocą platformy Shiny301 19.1.Platforma Shiny301 19.1.1. Podstawowe zagadnienia dotyczące platformy Shiny302 19.1.2. Struktura aplikacji303 19.2.Projektowanie interfejsów użytkownika307 19.2.1. Treści statyczne308 19.2.2. Dynamiczne dane wejściowe310 19.2.3. Dynamiczne dane wyjściowe311 19.2.4. Układy312 19.3.Tworzenie serwerów aplikacji315 19.4.Publikowanie aplikacji na platformę Shiny318 19.5.Platforma Shiny w praktyce — wizualizacja śmiertelnych postrzeleń przez policję320 Rozdział 20 Praca zespołowa327 20.1.Śledzenie różnych wersji kodu za pomocą gałęzi327 20.1.1. Praca z różnymi gałęziami329 20.1.2. Scalanie gałęzi332 20.1.3. Scalanie a konflikty333 20.1.4. Scalanie w serwisie GitHub335 20.2.Prowadzenie projektów z użyciem gałęzi funkcji337 20.3.Współpraca w ramach scentralizowanego procesu pracy338 20.3.1. Tworzenie centralnego repozytorium339 20.3.2. Używanie gałęzi funkcji w scentralizowanym procesie pracy341 20.4.Współpraca w procesie pracy z użyciem forków342 Rozdział 21 Dalsza nauka347 21.1.Uczenie statystyczne347 21.1.1. Ocena zależności347 21.1.2. Prognozowanie348 21.2.Inne języki programowania348 21.3.Odpowiedzialność etyczna349

Sygnatura czytelni BWEAiI: XII L 47

aktualnie wypożyczona

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

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 149934 N (1 egz.)

Książka

W koszyku

Autor

Grus Joel. Bombik Wojciech.

Forma i typ

Książki Publikacje fachowe

Temat

Analiza danych Python (język programowania) Struktury danych Data mining

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Data science from scratch : first principles with Python, 2nd edition.

Wydanie 2. odnosi się do oryginału.

U góry okładki nazwa wydawcy oryginału: O'Reilly.

Znaczenie danych 17 Czym jest analiza danych? 17 Hipotetyczna motywacja 18 Określanie najważniejszych węzłów 19 Analitycy, których możesz znać 21 Wynagrodzenie i doświadczenie 23 Płatne konta 25 Tematy interesujące użytkowników 26 2. Błyskawiczny kurs Pythona 29 Zasady tworzenia kodu Pythona 29 Skąd wziąć interpreter Pythona? 30 Środowiska wirtualne 30 Formatowanie za pomocą białych znaków 31 Moduły 32 Polskie znaki diakrytyczne 33 Funkcje 33 Łańcuchy 34 Wyjątki 35 Listy 35 Krotki 36 Słowniki 37 defaultdict 38 Counter 39 Zbiory 39 Przepływ sterowania 40 Wartości logiczne 41 Sortowanie 42 Składanie list 42 Testy automatyczne i instrukcja assert 43 Programowanie obiektowe 43 Obiekty iterowalne i generatory 45 Losowość 46 Wyrażenia regularne 47 Narzędzia funkcyjne 48 Funkcja zip i rozpakowywanie argumentów 48 Argumenty nazwane i nienazwane 49 Adnotacje typów 50 Jak pisać adnotacje typów 52 Witaj w firmie DataSciencester! 53 Dalsza eksploracja 53 3. Wizualizacja danych 55 Pakiet matplotlib 55 Wykres słupkowy 57 Wykresy liniowe 60 Wykresy punktowe 60 Dalsza eksploracja 63 4. Algebra liniowa 65 Wektory 65 Macierze 69 Dalsza eksploracja 71 5. Statystyka 73 Opis pojedynczego zbioru danych 73 Tendencje centralne 74 Dyspersja 76 Korelacja 78 Paradoks Simpsona 80 Inne pułapki związane z korelacją 81 Korelacja i przyczynowość 81 Dalsza eksploracja 82 6. Prawdopodobieństwo 83 Zależność i niezależność 83 Prawdopodobieństwo warunkowe 84 Twierdzenie Bayesa 85 Zmienne losowe 87 Ciągły rozkład prawdopodobieństwa 87 Rozkład normalny 89 Centralne twierdzenie graniczne 91 Dalsza eksploracja 93 7. Hipotezy i wnioski 95 Sprawdzanie hipotez 95 Przykład: rzut monetą 95 Wartości p 98 Przedziały ufności 99 Hakowanie wartości p 100 Przykład: przeprowadzanie testu A-B 101 Wnioskowanie bayesowskie 102 Dalsza eksploracja 105 8. Metoda gradientu prostego 107 Podstawy metody gradientu prostego 107 Szacowanie gradientu 108 Korzystanie z gradientu 111 Dobór właściwego rozmiaru kroku 111 Używanie metody gradientu do dopasowywania modeli 112 Metody gradientu prostego: stochastyczna i minibatch 113 Dalsza eksploracja 114 9. Uzyskiwanie danych 117 Strumienie stdin i stdout 117 Wczytywanie plików 119 Podstawowe zagadnienia dotyczące plików tekstowych 119 Pliki zawierające dane rozdzielone separatorem 120 Pobieranie danych ze stron internetowych 122 HTML i parsowanie 122 Przykład: wypowiedzi kongresmenów 124 Korzystanie z interfejsów programistycznych 126 Format JSON (i XML) 126 Korzystanie z interfejsu programistycznego bez uwierzytelniania 127 Poszukiwanie interfejsów programistycznych 128 Przykład: korzystanie z interfejsów programistycznych serwisu Twitter 128 Uzyskiwanie danych uwierzytelniających 129 Dalsza eksploracja 132 10. Praca z danymi 133 Eksploracja danych 133 Eksploracja danych jednowymiarowych 133 Dwa wymiary 135 Wiele wymiarów 136 Wykorzystanie klasy NamedTuple 137 Dekorator dataclass 139 Oczyszczanie i wstępne przetwarzanie danych 140 Przetwarzanie danych 141 Przeskalowanie 144 Dygresja: tqdm 145 Redukcja liczby wymiarów 146 Dalsza eksploracja 151 11. Uczenie maszynowe 153 Modelowanie 153 Czym jest uczenie maszynowe? 154 Nadmierne i zbyt małe dopasowanie 154 Poprawność 157 Kompromis pomiędzy wartością progową a wariancją 159 Ekstrakcja i selekcja cech 161 Dalsza eksploracja 162 12. Algorytm k najbliższych sąsiadów 163 Model 163 Przykład: dane dotyczące irysów 165 Przekleństwo wymiarowości 168 Dalsza eksploracja 171 13. Naiwny klasyfikator bayesowski 173 Bardzo prosty filtr antyspamowy 173 Bardziej zaawansowany filtr antyspamowy 174 Implementacja 175 Testowanie modelu 177 Używanie modelu 178 Dalsza eksploracja 180 14. Prosta regresja liniowa 181 Model 181 Korzystanie z algorytmu spadku gradientowego 184 Szacowanie maksymalnego prawdopodobieństwa 185 Dalsza eksploracja 185 15. Regresja wieloraka 187 Model 187 Dalsze założenia dotyczące modelu najmniejszych kwadratów 188 Dopasowywanie modelu 189 Interpretacja modelu 190 Poprawność dopasowania 191 Dygresja: ładowanie wstępne 192 Błędy standardowe współczynników regresji 193 Regularyzacja 194 Dalsza eksploracja 196 16. Regresja logistyczna 197 Problem 197 Funkcja logistyczna 199 Stosowanie modelu 201 Poprawność dopasowania 202 Maszyny wektorów nośnych 203 Dalsza eksploracja 206 17. Drzewa decyzyjne 207 Czym jest drzewo decyzyjne? 207 Entropia 209 Entropia podziału 211 Tworzenie drzewa decyzyjnego 211 Łączenie wszystkiego w całość 214 Lasy losowe 216 Dalsza eksploracja 217 18. Sztuczne sieci neuronowe 219 Perceptrony 219 Jednokierunkowe sieci neuronowe 221 Propagacja wsteczna 224 Przykład: Fizz Buzz 226 Dalsza eksploracja 228 19. Uczenie głębokie 229 Tensor 229 Abstrakcja Layer 231 Warstwa Linear 233 Sieci neuronowe jako sekwencje warstw 235 Abstrakcja Loss i optymalizacja 235 Przykład: kolejne podejście do bramki XOR 237 Inne funkcje aktywacji 238 Przykład: kolejne podejście do gry Fizz Buzz 239 Funkcja softmax i entropia krzyżowa 240 Dropout 242 Przykład: MNIST 243 Zapisywanie i wczytywanie modeli 246 Dalsza eksploracja 247 20. Grupowanie 249 Idea 249 Model 250 Przykład: spotkania 252 Wybór wartości parametru k 253 Przykład: grupowanie kolorów 255 Grupowanie hierarchiczne z podejściem aglomeracyjnym 257 Dalsza eksploracja 261 21. Przetwarzanie języka naturalnego 263 Chmury wyrazowe 263 Modele n-gram 264 Gramatyka 267 Na marginesie: próbkowanie Gibbsa 269 Modelowanie tematu 271 Wektory słów 275 Rekurencyjne sieci neuronowe 283 Przykład: używanie rekurencyjnej sieci neuronowej na poziomie pojedynczych znaków 285 Dalsza eksploracja 288 22. Analiza sieci społecznościowych 289 Pośrednictwo 289 Centralność wektorów własnych 294 Mnożenie macierzy 294 Centralność 295 Grafy skierowane i metoda PageRank 297 Dalsza eksploracja 299 23. Systemy rekomendujące 301 Ręczne rozwiązywanie problemu 301 Rekomendowanie tego, co jest popularne 302 Filtrowanie kolaboratywne oparte na użytkownikach 303 Filtrowanie kolaboratywne oparte na zainteresowaniach 305 Faktoryzacja macierzy 307 Dalsza eksploracja 311 24. Bazy danych i SQL 313 Polecenia CREATE TABLE i INSERT 313 Polecenie UPDATE 316 Polecenie DELETE 316 Polecenie SELECT 317 Polecenie GROUP BY 319 Polecenie ORDER BY 321 Polecenie JOIN 322 Zapytania składowe 324 Indeksy 324 Optymalizacja zapytań 325 Bazy danych NoSQL 326 Dalsza eksploracja 326 25. Algorytm MapReduce 327 Przykład: liczenie słów 327 Dlaczego warto korzystać z algorytmu MapReduce? 329 Algorytm MapReduce w ujęciu bardziej ogólnym 330 Przykład: analiza treści statusów 331 Przykład: mnożenie macierzy 332 Dodatkowe informacje: zespalanie 334 Dalsza eksploracja 334 26. Etyka przetwarzania danych 335 Czym jest etyka danych? 335 Ale tak naprawdę to czym jest etyka danych? 336 Czy powinienem przejmować się etyką danych? 336 Tworzenie złych produktów wykorzystujących dane 337 Kompromis między dokładnością a uczciwością 337 Współpraca 339 Interpretowalność 339 Rekomendacje 340 Tendencyjne dane 340 Ochrona danych 341 Podsumowanie 342 Dalsza eksploracja 342 27. Praktyka czyni mistrza 343 IPython 343 Matematyka 343 Korzystanie z gotowych rozwiązań 344 NumPy 344 pandas 344 scikit-learn 344 Wizualizacja 345 R 345 Uczenie głębokie 346 Szukanie danych 346 Zabierz się za analizę 346 Hacker News 347 Wozy straży pożarnej 347 Koszulki 347 Tweety na kuli ziemskiej 348

Sygnatura czytelni BWEAiI: XII Ł 194

aktualnie wypożyczona

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

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 149933 N (1 egz.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i data mining w badaniach naukowych / [redakcja naukowa Jacek Jakubowski, Janusz Wątroba]. - Kraków : StatSoft Polska, 2017. - 104 strony : ilustracje, wykresy ; 24 cm.

Autor

Jakubowski Jacek (1954- ) Wątroba Janusz

Forma i typ

Książki Publikacje naukowe

Temat

Badania naukowe Data mining Nauki przyrodnicze Nauki społeczne Statystyka

Gatunek

Materiały konferencyjne Praca zbiorowa

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

Na okładce podtytuł: XXI konferencja.

Bibliografia, netografia przy refertach.

MODELOWANIE EKONOMETRYCZNE METODY SPEKTROSKOPOWE WSPARTE ANALIZĄ STATYSTYCZNĄ W BADANIU PRZEKROJÓW AORTALNYCH W CHOROBIE MIAŻDŻYCOWEJ JAK W PRAKTYCE OPTYMALNIE ZAPLANOWAĆ EKSPERYMENT BADAWCZY? NOWOŚCI W STATISTICA WSPIERAJĄCE PLANOWANIE BADAŃ I ANALIZĘ ICH WYNIKÓW W NAUKACH PRZYRODNICZYCH „IF YOU TORTURĘ THE DATA LONG ENOUGH, IT WILL CONFESS" - NAUKOWA DOCIEKLIWOŚĆ A DATA TORTURING NA PRZYKŁADZIE PRACY KLINICZNEJ Z ZAKRESU RADIOTERAPII ONKOLOGICZNEJ WSPÓŁPRACA STATISTICA Z R, PYTHON I INNYMI NARZĘDZIAMI

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 149231, 149232, 149229, 149230 (4 egz.)

Książka

W koszyku

Analiza danych w biznesie : sztuka podejmowania skutecznych decyzji / Foster Provost, Tom Fawcett ; przekład: Leszek Sielicki. - Gliwice : Helion, copyright 2023. - 356, [4] strony : ilustracje, wykresy ; 24 cm.

Autor

Provost Foster (1964- ). Fawcett Tom. Sielicki Leszek.

Forma i typ

Książki Publikacje fachowe

Odbiorca

Przedsiębiorcy Specjaliści zastosowań informatyki

Temat

Analiza danych Data mining Decyzje Zarządzanie strategiczne

Gatunek

Podręcznik

Dziedzina i ujęcie

Matematyka Zarządzanie i marketing

Na grzbiecie nazwa wydawcy oryginału: O'Reilly.

Bibliografia, netografia na stronach 345-350. Indeks.

Myślenie w kategoriach analityki danych Problemy biznesowe a rozwiązania z akresu nauki o danych Wprowadzenie do modelowania predykcyjnego - od korelacji do nadzorowania segmentacji Dopasowywanie modelu do danych Nadmierne dopasowanie i jego unikanie Podobieństwa, sąsiedzi i klastry Myślenie w kategoriach analityki decyzji Wizualizacja skutecznosci modelu Powody prawdopodobieństwa Reprezentacja i eksploracja tekstu Myślenie w kategoriach analityki decyzji: w kierunku inżynierii analitycznej Inne zadania i techniki nauki o danych Nauka o danych i strategia biznesowa

Sygnatura czytelni BWEAiI: XII Z 135

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 153951 N (1 egz.)

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 153950 N (1 egz.)

Brak okładki

Książka

W koszyku

Bankruption : przełom w bankowości : w jaki sposób bankowość lokalna może przetrwać FinTech / John Waupsh ; przekład z języka angielskiego Małgorzata Małecka. - Poznań : Bankowy Ośrodek Doradztwa i Edukacji, copyright 2018. - 257, [22] strony : ilustracje, wykresy, errata ; 24 cm.

Autor

Waupsh John (1977- ). Małecka Małgorzata.

Forma i typ

Książki Publikacje fachowe

Odbiorca

Specjaliści bankowości

Temat

Banki Data mining FinTech Usługi finansowe Stany Zjednoczone (USA)

Gatunek

Opracowanie

Dziedzina i ujęcie

Gospodarka, ekonomia, finanse

Indeks.

Ogólny zarys przełomu bankowego Bankowość lokalna żle funkcjonuje Szansa dla lokalnych instytucji finansowych

Sygnatura czytelni BWZ: III D 80

dostępna w czytelni

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

Biblioteka WEiZ

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 149265 (1 egz.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i data mining w badaniach naukowych / [redakcja naukowa Janusz Wątroba]. - Kraków : StatSoft Polska, 2018. - 112 stron : ilustracje, wykresy ; 24 cm.

Autor

Wątroba Janusz.

Forma i typ

Książki Publikacje naukowe

Temat

Badania naukowe Data mining Nauki przyrodnicze Nauki społeczne Statystyka

Gatunek

Materiały konferencyjne Praca zbiorowa

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

Na okładce podtytuł: XXII konferencja. Materiały z konferencji, 23 października 2018 r., Warszawa.

Bibliografia, netografia przy refertach.

DATA MINING VS RAK JAJNIKA - 5-RUNDOWY POJEDYNEK O WYSOKĄ STAWKĘ JEDEN OBRAZ BYWA WART WIĘCEJ NIŻ TYSIĄC SŁÓW, CZYLI O KORZYŚCIACH Z WIZUALIZACJI WYNIKÓW LINIOWYCH METOD ORDYNACYJNYCH OPTYMALIZACJA PRODUKCJI FARMACEUTYCZNEJ Z ZASTOSOWANIEM METODOLOGII DOE ZASTOSOWANIE ANALIZY SKUPIEŃ W PRZYPADKU ZMIENNYCH WYRAŻONYCH NA SKALI PORZĄDKOWEJ PREDYKCJA PARAMETRÓW KONFEKCJONOWANIA ETYKIET Z ZASTOSOWANIEM TECHNIK EKSPLORACJI DANYCH

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 149221, 149224, 149223, 149222 (4 egz.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i data mining w badaniach naukowych / [redakcja naukowa Janusz Wątroba]. - Kraków : StatSoft Polska, 2019. - 76 stron : ilustracje, wykresy ; 24 cm.

Autor

Wątroba Janusz.

Forma i typ

Książki Publikacje naukowe

Temat

Badania naukowe Data mining Metody statystyczne

Gatunek

Materiały konferencyjne Praca zbiorowa

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka Nauka i badania

Na okładce podtytuł: XXIII konferencja. Materiały z konferencji, 24 października 2019 r., Warszawa.

Bibliografie, netografie przy referatach.

EKSPLORACYJNE PODEJŚCIA W MODELOWANIU STRUKTURALNYM NIEKONWENCJONALNE I CHROMATOGRAFICZNE METODY DETEKCJI MARKERÓW WCZESNEGO WYKRYWANIA CHORÓB NOWOTWOROWYCH WYKORZYSTANIE ANALIZY KORESPONDENCJI I DRZEW DECYZYJNYCH DO OPISU KULTURY ORGANIZACYJNEJ W UJĘCIU SYSTEMOWYM PROGNOZOWANIE W PRODUKCJI - PRZYKŁADY ZASTOSOWANIA WYKORZYSTANIE NARZĘDZI STATYSTYCZNYCH DO OKREŚLENIA ROLI GATUNKÓW Z RODZAJU PHYTOPHTHORA W ZAMIERANIU DRZEWOSTANÓW DĘBOWYCH

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 149227, 149225, 149228, 149226 (4 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.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i data mining w badaniach naukowych. - Kraków : StatSoft Polska, 2012. - 76 stron : ilustracje ; 24 cm.

Forma i typ

Książki Publikacje naukowe

Temat

Data mining Metody statystyczne Statystyka Programy komputerowe

Gatunek

Materiały konferencyjne

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

Materiały na seminarium, październik 2012 r., Warszawa.

Bibliografia przy referatach.

STATYSTYKA: WIZUALIZACJA, KORELACJA, PUBLIKACJA CHEMOMETRYCZNE PODEJŚCIE W POSZUKIWANIU MARKERÓW AUTENTYCZNOŚCI POLSKICH ODMIAN MIODÓW KIEDY I DLACZEGO STOSUJEMY ANALIZĘ KOWARIANCJI (ANCOVA)? ZASTOSOWANIE WIELOWYMIAROWEJ ANALIZY DANYCH W BADANIU WPŁYWU RÓŻNYCH CZYNNIKÓW NA AKTYWNOŚĆ ALDH W ŚLINIE ANALIZY ILOŚCIOWE I JAKOŚCIOWE DANYCH OKORUCHOWYCH W PSYCHOLOGII POZNAWCZEJ ZASTOSOWANIE NARZĘDZI STATYSTYCZNYCH DO ANALIZY WŁAŚCIWOŚCI REOLOGICZNYCHI ZAWARTOŚCI POWIETRZA W MIESZANKACH SAMOZAGĘSZCZALNYCH BETONÓW WYSOKO WARTOŚCIOWYCH

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 134277, 134275 L, 152487 N, 134278, 134276, 135229 (6 egz.)

Brak okładki

Książka

W koszyku

Zastosowania statystyki i data mining w badaniach naukowych. - Kraków : StatSoft Polska, 2013. - 88 stron : ilustracje ; 24 cm.

Forma i typ

Książki Publikacje naukowe

Temat

Data mining Metody statystyczne Statystyka

Gatunek

Materiały konferencyjne

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

Materiały na seminarium, październik 2013 r., Warszawa.

Bibliografia przy referatach.

PRAKTYCZNE ASPEKTY SZACOWANIA LICZEBNOŚCI PRÓBY W BADANIACH EMPIRYCZNYCH WPŁYW CZYNNIKÓW DEGRADACJI WÓD NA OCENĘ STANU EKOLOGICZNEGO RZEK - WYNIKI BADAŃ DOŚWIADCZALNYCH KLASYFIKATORY POJEDYNCZE I ZINTEGROWANE JAKO NARZĘDZIE WSPOMAGANIA MEDYCYNY CO WIE SMARTFON? - ROZPOZNAWANIE AKTYWNOŚCI CZŁOWIEKA METODAMI KLASYFIKACYJNYMI STATISTICA DATA MINER UNIWERSALNOŚĆ ZASTOSOWAŃ MODELI SKORINGOWYCH DOBÓR PLANU DOŚWIADCZENIA I ANALIZA WYNIKÓW W BADANIACH TECHNICZNYCH

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 138394, 138393, 138392, 138390 L, 138391, 152488 N (6 egz.)