Wejd

Zobacz także:

• GraphQL. Kurs video. Buduj nowoczesne API w Pythonie 169,00 zÅ‚, (50,70 zÅ‚ -70%)
• Receptura na Python. Kurs Video. 54 praktyczne porady dla programist 199,00 zÅ‚, (59,70 zÅ‚ -70%)
• Podstawy Pythona z Minecraftem. Kurs video. Piszemy pierwsze skrypty 149,00 zÅ‚, (44,70 zÅ‚ -70%)
• Twórz gry w Pythonie. Kurs video. Poznaj bibliotekÄ™ PyGame 249,00 zÅ‚, (74,70 zÅ‚ -70%)
• Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zÅ‚, (59,70 zÅ‚ -70%)

Spis treści

Machine learning i natural language processing w programowaniu. Podręcznik z ćwiczeniami w Pythonie -- spis treści

Wstęp

Rozdział 1. O technikach ML, NLP oraz AI bez zbędnej teorii

• Bać siÄ™ czy nie bać AI?
• Zastosowania sztucznej inteligencji
• Systemy eksperckie
• Sieci neuronowe
• Uczenie maszynowe
• Modelowanie problemów w Pythonie
  • Tablice - podstawowa struktura w przetwarzaniu danych
  • Grafy - modelowanie stanów i przejść
  • Klasy - modelowanie rzeczywistoÅ›ci
• Modelem jestem
• Z nauczycielem czy bez?
  • Nauczanie nadzorowane
  • Nauczanie nienadzorowane
  • Techniki mieszane
• Ważniejsze biblioteki AI/ML i NLP w Pythonie
  • Pakiety uniwersalne
  • Pakiety przydatne w ML i NLP
• Na deser - Noam Chomsky o AI

Rozdział 2. Niezbędnik warsztatowy programisty Pythona

• Testujemy poprawność instalacji Pythona
• Instalator pip i biblioteki Pythona
• Edytory do Pythona
• Åšrodowiska IDE
  • IDLE
  • PyCharm
  • Visual Studio Community
• Notatniki Jupyter
• Dokumentacja Pythona
• Używanie zasobów GitHuba

Rozdział 3. NLP - przybornik

• Odczyt plików i katalogów
  • Rodzaje plików
  • Otwieranie plików
  • Klasa Path
• Napisy - na co zwrócić uwagÄ™
  • Napisy to nie tablice
  • Konwersje
• Wyrażenia regularne
• Pobieranie tekstu z plików PDF
• Instalacja i konfiguracja spaCy
• Instalacja i konfiguracja NLTK
• Podstawowe techniki NLP
  • Tokenizacja bez zadyszki
  • NER, czyli nazwy wÅ‚asne
  • NER w spaCy
  • Czas na pomiar
  • Stop word - co z tym fantem zrobić?
• NLTK i spaCy - co dalej?

Rozdział 4. NLP - zastosowania

• Powtórka z NumPy
  • Tablice i macierze
  • Deklarowanie tablic i macierzy w piguÅ‚ce
  • Funkcje tablicowe
  • Zmiany ukÅ‚adu i rozmiaru tablic
  • Wycinki, czyli opanuj dwukropek
• Powtórka z Pandas
  • Model danych w bibliotece Pandas
  • Obiekty Pandas Series
  • Obiekty Pandas DataFrame
  • Import danych zewnÄ™trznych
  • Czyszczenie danych
  • Analiza jadÅ‚ospisu pandy
• Nauczanie nadzorowane w piguÅ‚ce
  • Macierz konfuzji
  • Ewaluacja modeli klasyfikacji
  • WstÄ™pniak z scikit-learn
  • Klasyfikacja na przykÅ‚adzie
• Analiza podobieÅ„stwa
  • Wektoryzacja w spaCy
  • Techniczne aspekty wektoryzacji
• Klasyfikacja - ciÄ…g dalszy
  • Klasyfikacja dla liczby klas wiÄ™kszej niż 2
• Analiza sentymentu
  • VADER
  • TextBlob

Rozdział 5. ChatGPT to. nie tylko czat!

• Czym jest ChatGPT?
  • Wektory sÅ‚ów i word embeddings
• Nie tylko chat
• PodÅ‚Ä…czamy siÄ™ do serwisu OpenAI przez API
  • Tworzenie konta w usÅ‚udze OpenAI
  • Klucz API do komunikacji z usÅ‚ugÄ… GPT
  • BezpieczeÅ„stwo klucza API
• Konwersacja z ChatGPT przez API
  • Szablon zapytania do ChatGPT API
  • DÅ‚uższe sesje z ChatGPT API
• PodÅ‚Ä…czamy ChatGPT do internetu
  • Naucz siÄ™ web scrappingu
  • Analiza sentymentu recenzji internetowych
• Interfejs embeddings serwisu OpenAI

Rozdział 6. Szybka analiza danych przy użyciu Matplotlib

• Wykresy punktowe i liniowe
• Modyfikacje wyglÄ…du wykresu
• Wykresy wielokrotne
• Popularne miary statystyczne
• RozkÅ‚ad normalny warto znać!
• Popularne wykresy analizy danych
  • Wykresy sÅ‚upkowe
  • Histogramy
  • Wykres skrzypcowy
  • Wykres pudeÅ‚kowy
  • Mapa cieplna
• PodrÄ™cznik Matplotlib na bezludnÄ… wyspÄ™?

Rozdział 7. Czy można przewidzieć nieznane?

• Zastosowania regresji liniowej
• Kiedy regresja dziaÅ‚a, a kiedy nie?
• WstÄ™pna analiza statystyczna danych
• Regresja z użyciem biblioteki scikit-learn

Rozdział 8. Podział klasowy bez złych skojarzeń

• Metody skalowania cech
• Skalowanie cech - przykÅ‚ad
• Analiza wartoÅ›ci odstajÄ…cych
• Klasyfikacja bez standaryzacji i ze standaryzacjÄ…
• Zmienne kategoryczne - co z tym fantem zrobić?
• Preprocesowanie danych przy użyciu ColumnTransformer
• Gdy klas jest wiÄ™cej niż dwie
• Klasyfikacja obrazów

Rozdział 9. Dziel i rządź, czyli klasteryzacja

• Niebo gwiaździste nade mnÄ….
• Popularne algorytmy realizujÄ…ce klasteryzacjÄ™
• Pierwsze klastrowanie w Pythonie
  • Klastrowanie hierarchiczne
  • Algorytm centroidów (K-Means)
  • WiÄ™cej wymiarów
• KÅ‚opotliwe dane kategoryczne
  • K-modes
  • K-prototypes
• A może dwa wróble w garÅ›ci?

Podsumowanie

Skorowidz