<h3>Wyci?gnij najlepsze wnioski z dost?pnych danych!</h3>Maszyna my?l?ca jak cz?owiek to marzenie ludzko?ci. Dzi?ki dzisiejszej wiedzy i dost?pnym narz?dziom wci?? przybli?amy si? do jego spe?nienia. Zastanawiasz si?, jak nauczy? maszyn? my?lenia? Jak sprawi?, ?eby podejmowa?a trafne decyzje oraz przewidywa?a najbli?sz? przysz?o?? na podstawie przygotowanych modeli? Na to i wiele innych pyta? odpowiada ta wspania?a ksi??ka.<br /><br />Dzi?ki niej poznasz <strong>j?zyk R</strong>, nauczysz si? eksplorowa? dost?pne dane, okre?la? warto?? mediany i odchylenia standardowego oraz wizualizowa? powi?zania mi?dzy kolumnami. Gdy opanujesz ju? solidne podstawy teoretyczne, mo?esz ?mia?o przej?? do kolejnych rozdzia?ów i zapozna? si? z klasyfikacj? binarn?, tworzeniem rankingów oraz modelowaniem przysz?o?ci przy u?yciu regresji. Ponadto zrozumiesz, jak tworzy? systemy rekomendacyjne, analizowa? sieci spo?eczne oraz ?ama? szyfry. Ksi??ka ta jest doskona?? lektur? dla pasjonatów analizy danych i wyci?gania z nich wniosków.<br /><br />Ka?dy rozdzia? ksi??ki jest po?wi?cony konkretnemu zagadnieniu uczenia maszynowego: klasyfikacji, predykcji, regresji, optymalizacji i wreszcie rekomendacji. Czytelnik nauczy si? konstruowa? proste algorytmy uczenia maszynowego (i przepuszcza? przez nie próbki danych) za pomoc? j?zyka programowania R. Uczenie maszynowe dla programistów jest wi?c znakomit? lektur? dla programistów paraj?cych si? czy to projektami komercyjnymi, czy to rz?dowymi, czy wreszcie akademickimi.
- Skonstruuj prosty klasyfikator bayesowski odró?niaj?cy wiadomo?ci tre?ciwe od niechcianych na podstawie ich zawarto?ci.
- U?ywaj regresji liniowej do przewidywania liczby odwiedzin najpopularniejszych stron WWW.
- Naucz si? optymalizacji, próbuj?c z?ama? prosty szyfr literowy.
- Statystycznie skonfrontuj pogl?dy polityków, u?ywaj?c rejestru g?osowa?.
- Zbuduj system rekomendacji warto?ciowych twitterowców.
<h3>Naucz si? czyta? i analizowa? dane!</h3><blockquote>
Ksi??ka ta stanowi ?wietny przegl'd przypadków i tuzina ró?nych technik uczenia maszynowego. Jest ukierunkowana na proces dochodzenia do rozwi?zania, a nie gotowe recepty ani abstrakcyjne teorie; dzi?ki temu jej materia? jest dost?pny dla wszystkich programistów, ale te? przys?owiowych „umys?ów ?cis?ych”
