SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

6 wyników

Brak okładki

Książka

W koszyku

Diagnostyka narządu ruchu w fizjoterapii. 2 / Aneta Bac, Agnieszka Jankowicz-Szymańska, Henryk Liszka, Katarzyna Wódka ; autor zdjęć Jakub Laszek. - Wrocław : Edra Urban & Partner, 2024. - XII, 219 stron : fotografie, ilustracje, wykresy ; 28 cm.

Autor

Bac Aneta Jankowicz-Szymańska Agnieszka (fizjoterapeutka) Liszka Henryk Wódka Katarzyna Laszek Jakub

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Odbiorca

Szkoły wyższe Fizjoterapeuci Ortopedzi

Temat

Narząd ruchu Diagnostyka obrazowa Choroby narządu ruchu Metody fizykoterapeutyczne Podręcznik Fizjoterapia

Gatunek

Podręcznik

Dziedzina i ujęcie

Medycyna i zdrowie

Bibliografia na stronach 199-211. Indeks.

Dla fizjoterapeutów, studentów fizjoterapii, studentów medycyny, lekarzy ortopedów, traumatologów.

1. OCENA ZA POMOCĄ WYBRANYCH KWESTIONARIUSZY I SKAL 1 1.1. Ocena narządu ruchu 3 1.1.1. Kończyna górna 3 1.1.2. Kończyna dolna 11 1.1.3. Kręgosłup 28 1.2. Kwestionariusze oceny jakości życia 32 1.3. Ocena zadowolenia z opieki 35 1.4. Ocena bólu 37 1.4.1. Osoby dorosłe 37 1.4.2. Dzieci 43 1.5. Ocena aktywności dnia codziennego 45 1.6. Ocena świadomości ciała 48 1.7. Ocena poziomu aktywności fizycznej 53 1.7.1. Osoby starsze 53 1.7.2. Osoby dorosłe 56 1.7.3. Dzieci i młodzież 58 1.7.4. Kobiety w ciąży 60 1.8. Inne skale i kwestionariusze 61 2. BADANIE NARZĄDU RUCHU Z WYKORZYSTANIEM WYBRANYCH URZĄDZEŃ SPECJALISTYCZNYCH 69 2.1. Ocena ukształtowania i obciążania stóp 71 2.2. Ocena siły mięśniowej 76 2.3. Ocena funkcji kończyny górnej 77 2.4. Tensomiografia 78 2.5. Elektromiografia powierzchniowa 79 2.6. Ocena chodu 81 2.6.1. Fizjologia chodu 81 2.6.2. Metody oceny chodu 82 2.7. Ocena postawy ciała 84 2.7.1. Ocena postawy ciała metodą fotorejestracji 84 2.7.2. Ocena postawy ciała metodą fotogrametryczną (wykorzystanie zjawiska moiré) 93 3. OCENA NEURODYNAMIKI 95 3.1. Charakterystyka mobilizacji struktur nerwowych 97 3.2. Testy napięciowe 97 3.2.1. Kończyna górna 98 3.2.2. Kończyna dolna 102 4. OCENA DOJRZAŁOŚCI NEUROMOTORYCZNEJ 105 4.1. Dzieci 108 4.1.1. Testy równowagi i motoryki dużej 108 4.1.2. Testy odruchów pierwotnych 113 4.2. Osoby dorosłe 118 4.2.1. Testy równowagi i motoryki dużej 118 4.2.2. Testy odruchów pierwotnych 121 5. OCENA HIPERMOBILNOŚCI 127 5.1. Skala Beightona 129 5.2. Kwestionariusz hipermobilności Hakima i Grahame’a 131 5.3. Kryteria Brighton 131 5.4. Metoda Cartera i Wilkinsona 131 5.5. Kryteria Sachse’go 132 5.6. Skala Marshalla 139 5.7. Skala Bulbena 140 6. OCENA SPRAWNOŚCI FUNKCJONALNEJ OSÓB STARSZYCH – SENIOR FITNESS TEST 141 6.1. Wytyczne do prowadzenia SFT 144 6.2. Przygotowanie pacjenta do SFT – rozgrzewka 146 6.3. Elementy składowe SFT – testowanie 148 6.3.1. 30-sekundowy test stania przy krześle (30-seconds Chair Stand Test) 148 6.3.2. 30-sekundowy test rotacji przedramienia (30-seconds Arm Curl Test) 149 6.3.3. Wysokość i masa ciała (Height and Weight) 151 6.3.4. 2-minutowy test marszu w miejscu (2-minute Step Test) 152 6.3.5. Test „siedź i sięgnij” na krześle (Chair Sit-and-Reach Test) 153 6.3.6. Test drapania się po plecach (Back Scratch Test) 155 6.3.7. 2,4-metrowy test „wstań i idź” (8-Foot Up-and-Go Test) 156 6.3.8. 6-minutowy test marszowy (6-minute Walk Test) 157 6.4. Badania naukowe dotyczące wiarygodności i przydatności Senior Fitness Test 158 7. DIAGNOSTYKA OBRAZOWA NARZĄDU RUCHU 159 7.1. Rentgenografia (RTG) 161 7.1.1. Kręgosłup 162 7.1.2. Kończyna górna 163 7.1.3. Kończyna dolna 166 7.2. Ultrasonografia (USG) 172 7.3. Tomografia komputerowa (TK) 175 7.4. Rezonans magnetyczny 179 7.5. Inne badania obrazowe 182 7.5.1. Angiografia 182 7.5.2. Artrografia 182 7.5.3. Mielografia i dyskografia 182 7.5.4. Scyntygrafia i komputerowa tomografia emisyjna pojedynczego fotonu 182 7.5.5. Pozytonowa tomografia emisyjna 183 7.5.6. Tenografia i bursografia 184 8. DEEP LEARNING 185 8.1. Uczenie maszynowe 187 8.2. Uczenie głębokie 187 8.3. Zastosowanie deep learningu w diagnostyce narządu ruchu 188 8.3.1. Wykrywanie uszkodzeń i nieprawidłowości narządu ruchu 188 8.3.2. Ocena jakości ruchu 190 8.3.3. Prognozowanie wyników terapii 190 8.3.4. Indywidualizacja terapii 190 8.3.5. Wspomaganie decyzji klinicznych 191 8.4. Wyzwania związane z zastosowaniem deep learningu w rehabilitacji i ortopedii 191

brak informacji o dostępności

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

Wypożyczalnia

w opracowaniu: sygn. 155456 N (1 egz.)

Biblioteka WWFiF

w opracowaniu: sygn. 155457 N (1 egz.)

Brak okładki

Książka

W koszyku

Zarządzanie organizacją : współczesne perspektywy badawcze / Barbara Czerniachowicz. - Wydanie I. - Warszawa : CeDeWu, 2023. - 154 strony : ilustracje ; 24 cm.

Autor

Czerniachowicz Barbara

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe Publikacje naukowe

Odbiorca

Szkoły wyższe Menedżerowie

Temat

Zarządzanie Podręcznik

Dziedzina i ujęcie

Zarządzanie i marketing

Bibliografie, netografie przy rozdziałach.

Zarządzanie strategiczne a koncepcje zarządzania strategicznego 11 1.1. Rozwój zarządzania strategicznego 11 1.2. Koncepcja zarządzania strategicznego 16 1.3. Próba uporządkowania terminów - koncepcja, metoda, technika oraz filozofia zarządzania i orientacja 28 1.4. Klasyfikacje orientacji, koncepcji i metod zarządzania 35 Podejścia do zarządzania oparte na kapitale ludzkim 45 2.1. Teoretyczne ujęcie kapitału ludzkiego 45 2.2. Poziom makroekonomiczny kapitału ludzkiego 47 2.3. Mikroekonomiczny wymiar kapitału ludzkiego 52 2.3.1. Kapitał ludzki w organizacji 52 2.3.2. Kapitał intelektualny 56 2.3.3. Indywidualny wymiar kapitału ludzkiego 58 2.4. Zarządzanie kompetencjami 60 2.5. Zarządzanie różnorodnością 62 2.6. Zarządzanie talentami 66 2.7. Pozostałe koncepcje oparte na kapitale ludzkim 67 Podejścia do zarządzania oparte na odchudzaniu organizacji 75 3.1. Koncepcja lean management 75 3.1.1. Istota koncepcji lean 75 3.1.2. Ewolucja koncepcji lean w praktyce 77 3.1.3. Wykorzystanie koncepcji lean manufactoring w zarządzaniu przedsiębiorstwem 78 3.2. Outsourcing i insourcing w zarządzaniu organizacją 84 Podejścia do zarządzania oparte na procesach 95 4.1. Zarządzanie procesami jako innowacyjna koncepcja zarządzania organizacją 95 4.2. Rola reengineeringu w zarządzaniu przedsiębiorstwem 99 4.3. Proces zarządzania innowacjami w organizacji 102 Pozostałe podejścia do zarządzania organizacją 113 5.1. Zarządzanie organizacją skierowane na zasoby i czas 113 5.1.1. Wybrane koncepcje i metody związane z zasobami i czasem 113 5.1.2. Controlling strategiczny w procesie zarządzania przedsiębiorstwem 117 5.2. Podejścia zarządzania wrażliwe jakość, klienta i otoczenie 122 5.2.1. Kompleksowe zarządzanie jakością 122 5.2.2. Benchmarking 124 5.2.3. Customer relationship management 126 5.2.4. Zarządzanie środowiskowe 128 5.3. Wybrane propozycje związane z ujęciem zarządzania w przyszłości 130 5.3.1. Koncepcja tzw. 7S 131 5.3.2. Koncepcja turkusowego zarządzania 132 5.4. Koncepcja organizacji uczącej się i inteligentnej w strategicznym zarządzaniu organizacją 134 5.4.1. Koncepcja organizacji uczącej się 135 5.4.2. Koncepcja organizacji inteligentnej 139

Sygnatura czytelni BWZ: VII C 110

dostępna do wypożyczenia

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

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 155042 N, 155041 N (2 egz.)

Biblioteka WEiZ

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 155043 N (1 egz.)

Brak okładki

Książka

W koszyku

Fizjologia człowieka : podręcznik dla studentów kierunków medycznych / redakcja Joanna Lewin-Kowalik. - Wrocław : Edra Urban & Partner, 2024. - VIII, 336 stron : ilustracje, wykresy ; ; 28 cm.

Autor

Lewin-Kowalik Joanna (1951- )

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Odbiorca

Szkoły wyższe Fizjoterapeuci Lekarze

Temat

Fizjologia człowieka. Wysiłek fizyczny Krew Układ oddechowy. Układ krążenia Podręcznik

Dziedzina i ujęcie

Medycyna i zdrowie Biologia

Druk dwuszpaltowy.

Indeks.

Dla studentów kierunków medycznych; przedstawicieli wielu zawodów medycznych i związanych z kulturą fizyczną oraz sportem.

1Komórka jako element funkcjonalny organizmu i Jolanta Jaworek 1.1Budowa komórki, jej funkcje i jej organelle 1 1.2Transport przez błonę komórkową 5 1.3Transport z błoną komórkową (masowy) 9 1.4Komórka i jej komunikacja z otoczeniem, receptory komórki 10 1.5Podział komórki 11 1.6Śmierć komórki 12 2Homeostaza i jej mechanizmy 15 Tomasz Brzozowski, Joanna Lewin-Kowatik 2.1Rola płynu zewnątrz- i wewnątrzkomórkowego w homeostazie 16 2.2Rola układu krążenia w homeostazie 16 2.3Rola układu oddechowego w homeostazie 17 2.4Rola układu trawiennego w homeostazie 17 2.5Rola układu moczowego w homeostazie 17 2.6Rola układu nerwowego w homeostazie 17 2.7Rola układu hormonalnego w homeostazie 18 2.8Układy kontrolne i sprzężenie zwrotne. Pętla regulacyjna sprzężenia zwrotnego 18 2.9Adaptacja i rytmy biologiczne 19 2.10Mechanizmy i czynniki uczestniczące w utrzymaniu homeostazy 19 2.11Receptory komórkowe, odbiór i przekazywanie sygnałów w komórkach 20 3Krew 21 Tomasz Brzozowski, Joanna Lewin-Kowalik 3.1Podstawowe funkcje krwi 21 3.2Krwinki białe (leukocyty) 31 3.3Limfocyty 34 3.4Monocytopoeza i układ makrofagów 35 3.5Mechanizmy odpornościowe 35 3.6Układy grupowe krwi: układ ABO i układ Rh 36 3.7Hemostaza 37 3.8Limfa i układ Limfatyczny 43 4Fizjologia układu krążenia 45 Wiesław W. Pawlik 4.1Wprowadzenie 45 4.2Zarys budowy i funkcji serca 45 4.3Elektryczne właściwości serca 46 4.4Elektrokardiografia 49 4.5Skurcz mięśnia sercowego 51 4.6Układ naczyniowy 56 4.7Mikrokrążenie 64 4.8Regulacja układu krążenia 65 4.9Krążenie krwi w wybranych łożyskach krążeniowych 72 5Fizjologia układu oddechowego 77 Izabela Grabska-Kobytecka, Dariusz Nowak 5.1Ważne pojęcia 77 5.2Budowa i funkcje układu oddechowego 78 5.3Mechanika oddychania 83 5.4Badania czynnościowe układu oddechowego 87 5.5Odruchy związane z oddychaniem 89 5.6Wymiana gazowa w płucach 92 5.7Napęd oddechowy 98 5.8Regulacja oddychania 99 5.9Transport tlenu (02) w układzie oddechowym 103 5.10Krzywa dysocjacji oksyhemoglobiny 106 5.11Transport dwutlenku węgla z tkanek do powietrza pęcherzykowego 108 5.12Erytrocyty jako detektory 02 i komórki regulujące przepływ krwi w tkankach zależnie od aktualnego zapotrzebowania na 02 110 5.13Fizjologiczne i patologiczne tory oddechowe 111 5.14Oddychanie i regulacja oddychania podczas wysiłku 112 5.15Oddychanie w czasie snu 112 5.16Wpływ temperatury na układ oddechowy 113 5.17Aklimatyzacja i oddychanie w warunkach wysokogórskich 114 5.18Oddychanie podczas nurkowania 115 5.19Oddychanie w warunkach nieważkości 117 6 Fizjologia układu pokarmowego 119 Tomasz Brzozowski 6.2Neurohormonalna regulacja przyjmowania pokarmu 119 6.3Motoryka przewodu pokarmowego i dróg żółciowych 119 6.4Żucie 121 6.5Połykanie 121 6.6Regulacja perystaltyki przełyku 122 6.7Mechanizmy zamykające zwieracz wpustu 122 6.8Motoryka żołądka 123 6.9Motoryka jelita cienkiego 125 6.10Motoryka jelita grubego 127 6.11Czynności wydzielnicze gruczołów trawiennych 128 6.12Trawienie i wchłanianie jelitowe 143 6.13Czynności wątroby 150 7Fizjologia nerek 157 Agnieszka Cudnoch-Jędrzejewska, Elwira Milik 7.1Ukrwienie i unerwienie nerek 157 7.2Gospodarka wodno-elektrolitowa 164 7.3Równowaga kwasowo-zasadowa 167 8Metabolizm i termoregulacja 169 Halina Jędrzejowska-Szypułka 8.1Metabolizm 169 8.2Metabolizm węglowodanów 171 8.3Metabolizm tłuszczów 173 8.4Metabolizm białek 176 8.5Przemiana materii 178 8.6Termoregulacja 180 9Hormony i rozród 185 Aleksandra Szlachcic, Mirosław Szlachcic 9.1Wydzielanie wewnętrzne 185 9.2Fizjologia rozrodu 206 10Układ nerwowy i narządy zmysłów 217 Joanna Lewin-Kowatik 10.1Podstawowe informacje dotyczące układu nerwowego 217 10.2Pobudliwość 221 10.3System (układ) somatosensoryczny 229 10.4Receptory skóry 232 10.5BÓL 236 10.6Fizjologia widzenia 238 10.7Narząd słuchu 243 10.8Narząd równowagi 245 10.9Węch 247 10.10Smak 248 10.11System somatomotoryczny 250 10.12Drogi ruchowe 256 10.13Nadrdzeniowe ośrodki kontroli ruchu 258 10.14Systemy modulujące pnia mózgu - twór siatkowaty (układ siatkowaty, system siatkowaty) 263 10.15Autonomiczny (wegetatywny) układ nerwowy 268 10.16Wyższe czynności nerwowe 273 10.17Mowa 278 11Mięśnie 28i Adrian Chabowski 11.1Fizjologia mięśni szkieletowych 281 11.2Mięśnie gładkie 293 12Fizjologia wysiłku fizycznego 299 Jerzy A. Żotądź, Joanna Majerczak, Marcin Crandys, Krzysztof Duda 12.1Budowa i skład ciała człowieka 299 12.2Mięśnie szkieletowe jako źródło siły i mocy 301 12.3Reakcje organizmu na wysiłek fizyczny i trening 302 12.4Wydolność fizyczna człowieka 306 12.5Próby wysiłkowe w diagnostyce wydolności fizycznej 314 12.6Skutki ograniczenia aktywności fizycznej 321 12.7Trening fizyczny osób w wieku starszym 322

brak informacji o dostępności

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

Wypożyczalnia

w opracowaniu: sygn. 155458 N (1 egz.)

Biblioteka WWFiF

w opracowaniu: sygn. 155459 N (1 egz.)

Brak okładki

Książka

W koszyku

Materializm dialektyczny / Jarosław Ładosz. - Warszawa : Państwowe Zakłady Wydawnictw Szkolnych, 1969. - 151, [1] s. ; 23 cm.

(Wybrane Zagadnienia z Filozofii)

Autor

Ładosz Jarosław (1924-1997)

Forma i typ

Książki

Temat

Materializm dialektyczny Socjalizm Podręcznik

Książka pomocnicza zatwierdzona przez Ministerstwo Oświaty i Szkolnictwa Wyższego dla słuchaczy studiów nauczycielskich do przedmiotu "wybrane zagadnienia z filozofii", część II.

brak informacji o dostępności

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

Wypożyczalnia

w opracowaniu: sygn. 28322, 28325 (2 egz.)

Książka

W koszyku

(Ćwiczenia Zaawansowane)

Autor

Masłowski Krzysztof.

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

Microsoft Excel (oprogramowanie) Arkusz kalkulacyjny Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Rozdział 1. Kłopoty z wprowadzaniem danych 11 Liczby i tekst 12 Gdy liczba, którą wpisujemy lub widzimy, różni się od zapamiętanej 17 Liczby, kropki, myślniki i przecinki 19 Jak Excel pomaga wypełniać komórki 26 Dwie linie tekstu w jednej komórce 30 Rozdział 2. Manipulowanie zawartością arkusza 31 Mniej znane operacje na zakresach danych 31 Błędy zaokrągleń 37 Jak sprawdzić, gdzie są liczby, a gdzie formuły 39 Kopiowanie formuł bez zmiany adresów względnych 41 Najprostsze obliczenia bez formuł 44 Rozdział 3. Formatowanie 47 Przypomnienie 47 Formatowanie ułatwia obliczenia 52 Formatowanie warunkowe i niestandardowe 58 Style 64 Motywy 70 Szablony 73 Rozdział 4. Zabezpieczenia 79 Częste zapisywanie pliku 80 Ochrona pliku 82 Ochrona skoroszytu 84 Ochrona informacji osobistych 85 Ochrona arkusza 90 Sprawdzanie poprawności danych 97 Rozdział 5. Tabele 101 Rozdział 6. Formuły 115 Wprowadzenie 115 Adresy względne i bezwzględne 115 Przeliczanie ręczne i automatyczne 119 Wyświetlanie formuł w komórkach 120 Formuły trójwymiarowe i adresowanie pośrednie 122 Szacowanie formuł 126 Zamiana formuł na wartości 129 Błędy obliczeń 130 Inspekcja formuł 135 Rozdział 7. Nazwy 143 Wprowadzenie 143 Nazywanie stałych 143 Nazwy zakresów z adresowaniem bezwzględnym 146 Nazwy na poziomie arkusza i na poziomie skoroszytu 149 Nazwy zakresów z adresowaniem względnym 153 Nazywanie formuł 155 Nazywanie zakresów definiowanych dynamicznie 156 Rozdział 8. Wykresy 163 Stoliczku, nakryj się, czyli o tym, co otrzymujemy z łaski Excela 164 Wykres liniowy a wykres XY 168 Wykresy sumujące do 100% 171 Wykres radarowy 176 Wykres bąbelkowy 177 Wykres powierzchniowy 179 Linia trendu 181 Przykłady nietypowych wykresów 183 Interpolacja wykresu 186 Wykresy przebiegu w czasie 188 Unikanie zbędnej pracy - część 1. Szablony wykresów 191 Unikanie zbędnej pracy - część 2. Kopiowanie wykresów i ich formatowania 193 Rozdział 9. Szukaj wyniku, Solver i scenariusze 195 Szukaj wyniku 196 Solver 202 Scenariusze 207 Rozdział 10. Elementy analizy danych 211 Sortowanie 212 Filtrowanie 216 Tabele przestawne 217

Sygnatura czytelni BWEAiI: XII W 64

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. 149938 N (1 egz.)

Książka

W koszyku

Autor

Raschka Sebastian. Mirjalili Vahid. Sawka Krzysztof.

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

Python (język programowania) Programowanie Uczenie maszynowe. Deep learning Sieci neuronowe Podręcznik.

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Python machine learning : machine learning and deep learning with Pyton, scikit-learn and TensorFlow.

Wydanie 2. odnosi się do oryginału.

Na książce także ISBN oryginału.

Indeks.

Rozdział 1. Umożliwianie komputerom uczenia się z danych 23 Tworzenie inteligentnych maszyn służących do przekształcania danych w wiedzę 24 Trzy różne rodzaje uczenia maszynowego 24 Prognozowanie przyszłości za pomocą uczenia nadzorowanego 25 Rozwiązywanie problemów interaktywnych za pomocą uczenia przez wzmacnianie 28 Odkrywanie ukrytych struktur za pomocą uczenia nienadzorowanego 29 Wprowadzenie do podstawowej terminologii i notacji 30 Strategia tworzenia systemów uczenia maszynowego 32 Wstępne przetwarzanie - nadawanie danym formy 32 Trenowanie i dobór modelu predykcyjnego 34 Ewaluacja modeli i przewidywanie wystąpienia nieznanych danych 34 Wykorzystywanie środowiska Python do uczenia maszynowego 35 Instalacja środowiska Python i pakietów z repozytorium Python Package Index 35 Korzystanie z platformy Anaconda i menedżera pakietów 36 Pakiety przeznaczone do obliczeń naukowych, analizy danych i uczenia maszynowego 36 Rozdział 2. Trenowanie prostych algorytmów uczenia maszynowego w celach klasyfikacji 39 Sztuczne neurony - rys historyczny początków uczenia maszynowego 40 Formalna definicja sztucznego neuronu 41 Reguła uczenia perceptronu 43 Implementacja algorytmu uczenia perceptronu w Pythonie 45 Obiektowy interfejs API perceptronu 45 Trenowanie modelu perceptronu na zestawie danych Iris 48 Adaptacyjne neurony liniowe i zbieżność uczenia 53 Minimalizacja funkcji kosztu za pomocą metody gradientu prostego 55 Implementacja algorytmu Adaline w Pythonie 56 Usprawnianie gradientu prostego poprzez skalowanie cech 60 Wielkoskalowe uczenie maszynowe i metoda stochastycznego spadku wzdłuż gradientu 62 Rozdział 3. Stosowanie klasyfikatorów uczenia maszynowego za pomocą biblioteki scikit-learn 67 Wybór algorytmu klasyfikującego 68 Pierwsze kroki z biblioteką scikit-learn - uczenie perceptronu 68 Modelowanie prawdopodobieństwa przynależności do klasy za pomocą regresji logistycznej 74 Teoretyczne podłoże regresji logistycznej i prawdopodobieństwa warunkowego 74 Wyznaczanie wag logistycznej funkcji kosztu 78 Przekształcanie implementacji Adaline do postaci algorytmu regresji logistycznej 80 Uczenie modelu regresji logistycznej za pomocą biblioteki scikit-learn 84 Zapobieganie przetrenowaniu za pomocą regularyzacji 86 Wyznaczanie maksymalnego marginesu za pomocą maszyn wektorów nośnych 88 Teoretyczne podłoże maksymalnego marginesu 89 Rozwiązywanie przypadków nieliniowo rozdzielnych za pomocą zmiennych uzupełniających 90 Alternatywne implementacje w interfejsie scikit-learn 92 Rozwiązywanie nieliniowych problemów za pomocą jądra SVM 93 Metody jądrowe dla danych nierozdzielnych liniowo 93 Stosowanie sztuczki z funkcją jądra do znajdowania przestrzeni rozdzielających w przestrzeni wielowymiarowej 95 Uczenie drzew decyzyjnych 99 Maksymalizowanie przyrostu informacji - osiąganie jak największych korzyści 100 Budowanie drzewa decyzyjnego 103 Łączenie wielu drzew decyzyjnych za pomocą modelu losowego lasu 107 Algorytm k-najbliższych sąsiadów - model leniwego uczenia 109 Rozdział 4. Tworzenie dobrych zbiorów uczących - wstępne przetwarzanie danych 115 Kwestia brakujących danych 115 Wykrywanie brakujących wartości w danych tabelarycznych 116 Usuwanie próbek lub cech niezawierających wartości 117 Wstawianie brakujących danych 118 Estymatory interfejsu scikit-learn 119 Przetwarzanie danych kategoryzujących 119 Cechy nominalne i porządkowe 120 Tworzenie przykładowego zestawu danych 120 Mapowanie cech porządkowych 121 Kodowanie etykiet klas 121 Kodowanie "gorącojedynkowe" cech nominalnych (z użyciem wektorów własnych) 122 Rozdzielanie zestawu danych na oddzielne podzbiory uczące i testowe 124 Skalowanie cech 127 Dobór odpowiednich cech 129 Regularyzacje L1 i L2 jako kary ograniczające złożoność modelu 129 Interpretacja geometryczna regularyzacji L2 130 Rozwiązania rzadkie za pomocą regularyzacji L1 131 Algorytmy sekwencyjnego wyboru cech 135 Ocenianie istotności cech za pomocą algorytmu losowego lasu 140 Rozdział 5. Kompresja danych poprzez redukcję wymiarowości 143 Nienadzorowana redukcja wymiarowości za pomocą analizy głównych składowych 144 Podstawowe etapy analizy głównych składowych 144 Wydobywanie głównych składowych krok po kroku 146 Wyjaśniona wariancja całkowita 148 Transformacja cech 149 Analiza głównych składowych w interfejsie scikit-learn 152 Nadzorowana kompresja danych za pomocą liniowej analizy dyskryminacyjnej 154 Porównanie analizy głównych składowych z liniową analizą dyskryminacyjną 155 Wewnętrzne mechanizmy działania liniowej analizy dyskryminacyjnej 156 Obliczanie macierzy rozproszenia 157 Dobór dyskryminant liniowych dla nowej podprzestrzeni cech 159 Rzutowanie próbek na nową przestrzeń cech 161 Implementacja analizy LDA w bibliotece scikit-learn 161 Jądrowa analiza głównych składowych jako metoda odwzorowywania nierozdzielnych liniowo klas 163 Funkcje jądra oraz sztuczka z funkcją jądra 164 Implementacja jądrowej analizy głównych składowych w Pythonie 168 Rzutowanie nowych punktów danych 175 Algorytm jądrowej analizy głównych składowych w bibliotece scikit-learn 178 Rozdział 6. Najlepsze metody oceny modelu i strojenie parametryczne 181 Usprawnianie cyklu pracy za pomocą kolejkowania 181 Wczytanie zestawu danych Breast Cancer Wisconsin 182 Łączenie funkcji transformujących i estymatorów w kolejce czynności 183 Stosowanie k-krotnego sprawdzianu krzyżowego w ocenie skuteczności modelu 184 Metoda wydzielania 185 K-krotny sprawdzian krzyżowy 186 Sprawdzanie algorytmów za pomocą krzywych uczenia i krzywych walidacji 190 Diagnozowanie problemów z obciążeniem i wariancją za pomocą krzywych uczenia 190 Rozwiązywanie problemów przetrenowania i niedotrenowania za pomocą krzywych walidacji 193 Dostrajanie modeli uczenia maszynowego za pomocą metody przeszukiwania siatki 195 Strojenie hiperparametrów przy użyciu metody przeszukiwania siatki 195 Dobór algorytmu poprzez zagnieżdżony sprawdzian krzyżowy 196 Przegląd metryk oceny skuteczności 198 Odczytywanie macierzy pomyłek 198 Optymalizacja precyzji i pełności modelu klasyfikującego 200 Wykres krzywej ROC 202 Metryki zliczające dla klasyfikacji wieloklasowej 204 Kwestia dysproporcji klas 205 Rozdział 7. Łączenie różnych modeli w celu uczenia zespołowego 209 Uczenie zespołów 209 Łączenie klasyfikatorów za pomocą algorytmu głosowania większościowego 213 Implementacja prostego klasyfikatora głosowania większościowego 214 Stosowanie reguły głosowania większościowego do uzyskiwania prognoz 219 Ewaluacja i strojenie klasyfikatora zespołowego 221 Agregacja - tworzenie zespołu klasyfikatorów za pomocą próbek początkowych 226 Agregacja w pigułce 227 Stosowanie agregacji do klasyfikowania przykładów z zestawu Wine 228 Usprawnianie słabych klasyfikatorów za pomocą wzmocnienia adaptacyjnego 231 Wzmacnianie - mechanizm działania 232 Stosowanie algorytmu AdaBoost za pomocą biblioteki scikit-learn 236 Rozdział 8. Wykorzystywanie uczenia maszynowego w analizie sentymentów 241 Przygotowywanie zestawu danych IMDb movie review do przetwarzania tekstu 242 Uzyskiwanie zestawu danych IMDb 242 Przetwarzanie wstępne zestawu danych IMDb do wygodniejszego formatu 243 Wprowadzenie do modelu worka słów 244 Przekształcanie słów w wektory cech 245 Ocena istotności wyrazów za pomocą ważenia częstości termów - odwrotnej częstości w tekście 246 Oczyszczanie danych tekstowych 248 Przetwarzanie tekstu na znaczniki 249 Uczenie modelu regresji logistycznej w celu klasyfikowania tekstu 251 Praca z większą ilością danych - algorytmy sieciowe i uczenie pozardzeniowe 253 Modelowanie tematyczne za pomocą alokacji ukrytej zmiennej Dirichleta 256 Rozkładanie dokumentów tekstowych za pomocą analizy LDA 257 Analiza LDA w bibliotece scikit-learn 258 Rozdział 9. Wdrażanie modelu uczenia maszynowego do aplikacji sieciowej 263 Serializacja wyuczonych estymatorów biblioteki scikit-learn 264 Konfigurowanie bazy danych SQLite 266 Tworzenie aplikacji sieciowej za pomocą środowiska Flask 269 Nasza pierwsza aplikacja sieciowa 269 Sprawdzanie i wyświetlanie formularza 271 Przekształcanie klasyfikatora recenzji w aplikację sieciową 275 Pliki i katalogi - wygląd drzewa katalogów 277 Implementacja głównej części programu w pliku app.py 277 Konfigurowanie formularza recenzji 280 Tworzenie szablonu strony wynikowej 281 Umieszczanie aplikacji sieciowej na publicznym serwerze 282 Tworzenie konta w serwisie PythonAnywhere 283 Przesyłanie aplikacji klasyfikatora filmowego 283 Aktualizowanie klasyfikatora recenzji filmowych 284 Rozdział 10. Przewidywanie ciągłych zmiennych docelowych za pomocą analizy regresywnej 287 Wprowadzenie do regresji liniowej 288 Prosta regresja liniowa 288 Wielowymiarowa regresja liniowa 288 Zestaw danych Housing 290 Wczytywanie zestawu danych Housing do obiektu DataFrame 290 Wizualizowanie ważnych elementów zestawu danych 292 Analiza związków za pomocą macierzy korelacji 293 Implementacja modelu regresji liniowej wykorzystującego zwykłą metodę najmniejszych kwadratów 296 Określanie parametrów regresywnych za pomocą metody gradientu prostego 296 Szacowanie współczynnika modelu regresji za pomocą biblioteki scikit-learn 300 Uczenie odpornego modelu regresywnego za pomocą algorytmu RANSAC 301 Ocenianie skuteczności modeli regresji liniowej 304 Stosowanie regularyzowanych metod regresji 307 Przekształcanie modelu regresji liniowej w krzywą - regresja wielomianowa 308 Dodawanie członów wielomianowych za pomocą biblioteki scikit-learn 309 Modelowanie nieliniowych zależności w zestawie danych Housing 310 Analiza nieliniowych relacji za pomocą algorytmu losowego lasu 314 Rozdział 11. Praca z nieoznakowanymi danymi - analiza skupień 319 Grupowanie obiektów na podstawie podobieństwa przy użyciu algorytmu centroidów 320 Algorytm centroidów w bibliotece scikit-learn 320 Inteligentniejszy sposób dobierania pierwotnych centroidów za pomocą algorytmu k-means++ 324 Klasteryzacja twarda i miękka 325 Stosowanie metody łokcia do wyszukiwania optymalnej liczby skupień 327 Ujęcie ilościowe jakości klasteryzacji za pomocą wykresu profilu 328 Organizowanie skupień do postaci drzewa klastrów 333 Oddolne grupowanie skupień 333 Przeprowadzanie hierarchicznej analizy skupień na macierzy odległości 335 Dołączanie dendrogramów do mapy cieplnej 338 Aglomeracyjna analiza skupień w bibliotece scikit-learn 339 Wyznaczanie rejonów o dużej gęstości za pomocą algorytmu DBSCAN 340 Rozdział 12. Implementowanie wielowarstwowej sieci neuronowej od podstaw 347 Modelowanie złożonych funkcji przy użyciu sztucznych sieci neuronowych 348 Jednowarstwowa sieć neuronowa - powtórzenie 349 Wstęp do wielowarstwowej architektury sieci neuronowych 351 Aktywacja sieci neuronowej za pomocą propagacji w przód 354 Klasyfikowanie pisma odręcznego 356 Zestaw danych MNIST 357 Implementacja perceptronu wielowarstwowego 362 Trenowanie sztucznej sieci neuronowej 371 Obliczanie logistycznej funkcji kosztu 371 Ujęcie intuicyjne algorytmu wstecznej propagacji 374 Uczenie sieci neuronowych za pomocą algorytmu propagacji wstecznej 375 Zbieżność w sieciach neuronowych 378 Jeszcze słowo o implementacji sieci neuronowej 380 Rozdział 13. Równoległe przetwarzanie sieci neuronowych za pomocą biblioteki TensorFlow 381 Biblioteka TensorFlow a skuteczność uczenia 382 Czym jest biblioteka TensorFlow? 383 W jaki sposób będziemy poznawać bibliotekę TensorFlow? 384 Pierwsze kroki z biblioteką TensorFlow 384 Praca ze strukturami tablicowymi 386 Tworzenie prostego modelu za pomocą podstawowego interfejsu TensorFlow 387 Skuteczne uczenie sieci neuronowych za pomocą wyspecjalizowanych interfejsów biblioteki TensorFlow 391 Tworzenie wielowarstwowych sieci neuronowych za pomocą interfejsu Layers 392 Projektowanie wielowarstwowej sieci neuronowej za pomocą interfejsu Keras 395 Dobór funkcji aktywacji dla wielowarstwowych sieci neuronowych 400 Funkcja logistyczna - powtórzenie 400 Szacowanie prawdopodobieństw przynależności do klas w klasyfikacji wieloklasowej za pomocą funkcji softmax 402 Rozszerzanie zakresu wartości wyjściowych za pomocą funkcji tangensa hiperbolicznego 403 Aktywacja za pomocą prostowanej jednostki liniowej (ReLU) 405 Rozdział 14. Czas na szczegóły - mechanizm działania biblioteki TensorFlow 409 Główne funkcje biblioteki TensorFlow 410 Rzędy i tensory 410 Sposób uzyskania rzędu i wymiarów tensora 411 Grafy obliczeniowe 412 Węzły zastępcze 414 Definiowanie węzłów zastępczych 414 Wypełnianie węzłów zastępczych danymi 415 Definiowanie węzłów zastępczych dla tablic danych o różnych rozmiarach pakietów danych 416 Zmienne 417 Definiowanie zmiennych 417 Inicjowanie zmiennych 419 Zakres zmiennych 420 Wielokrotne wykorzystywanie zmiennych 421 Tworzenie modelu regresyjnego 423 Realizowanie obiektów w grafie TensorFlow przy użyciu ich nazw 426 Zapisywanie i wczytywanie modelu 428 Przekształcanie tensorów jako wielowymiarowych tablic danych 430 Wykorzystywanie mechanizmów przebiegu sterowania do tworzenia grafów 433 Wizualizowanie grafów za pomocą modułu TensorBoard 436 Zdobywanie doświadczenia w używaniu modułu TensorBoard 439 Rozdział 15. Klasyfikowanie obrazów za pomocą splotowych sieci neuronowych 441 Podstawowe elementy splotowej sieci neuronowej 442 Splotowe sieci neuronowe i hierarchie cech 442 Splot dyskretny 444 Podpróbkowanie 452 Konstruowanie sieci CNN 454 Praca z wieloma kanałami wejściowymi/barw 454 Regularyzowanie sieci neuronowej metodą porzucania 457 Implementacja głębokiej sieci splotowej za pomocą biblioteki TensorFlow 459 Architektura wielowarstwowej sieci CNN 459 Wczytywanie i wstępne przetwarzanie danych 460 Implementowanie sieci CNN za pomocą podstawowego interfejsu TensorFlow 461 Implementowanie sieci CNN za pomocą interfejsu Layers 471 Rozdział 16. Modelowanie danych sekwencyjnych za pomocą rekurencyjnych sieci neuronowych 477 Wprowadzenie do danych sekwencyjnych 478 Modelowanie danych sekwencyjnych - kolejność ma znaczenie 478 Przedstawianie sekwencji 478 Różne kategorie modelowania sekwencji 479 Sieci rekurencyjne służące do modelowania sekwencji 480 Struktura sieci RNN i przepływ danych 480 Obliczanie aktywacji w sieciach rekurencyjnych 482 Problemy z uczeniem długofalowych oddziaływań 485 Jednostki LSTM 486 Implementowanie wielowarstwowej sieci rekurencyjnej przy użyciu biblioteki TensorFlow do modelowania sekwencji 488 Pierwszy projekt - analiza sentymentów na zestawie danych IMDb za pomocą wielowarstwowej sieci rekurencyjnej 489 Przygotowanie danych 489 Wektor właściwościowy 492 Budowanie modelu sieci rekurencyjnej 494 Konstruktor klasy SentimentRNN 495 Metoda build 495 Metoda train 499 Metoda predict 500 Tworzenie wystąpienia klasy SentimentRNN 500 Uczenie i optymalizowanie modelu sieci rekurencyjnej przeznaczonej do analizy sentymentów 501 Drugi projekt - implementowanie sieci rekurencyjnej modelującej język na poziomie znaków 502 Przygotowanie danych 503 Tworzenie sieci RNN przetwarzającej znaki 506 Konstruktor 506 Metoda build 507 Metoda train 509 Metoda sample 510 Tworzenie i uczenie modelu CharRNN 512 Model CharRNN w trybie próbkowania 512

Sygnatura czytelni BWEAiI: XII Ł 153

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. 148069 N (1 egz.)