Python i AI dla e-commerce - Helion
ebook
Autor: Sebastian KondrackiISBN: 978-83-8322-067-3
stron: 496, Format: ebook
Data wydania: 2022-08-01
Księgarnia: Helion
Cena książki: 49,50 zł (poprzednio: 99,00 zł)
Oszczędzasz: 50% (-49,50 zł)
Sztuczna inteligencja wed
Osoby które kupowały "Python i AI dla e-commerce", wybierały także:
- Podręcznik startupu. Budowa wielkiej firmy krok po kroku 93,33 zł, (14,00 zł -85%)
- Prawa ludzkiej natury 73,68 zł, (14,00 zł -81%)
- 66,67 zł, (14,00 zł -79%)
- Superinteligencja. Scenariusze, strategie, zagro 66,67 zł, (14,00 zł -79%)
- Twoja firma w social mediach. Podr 58,33 zł, (14,00 zł -76%)
Spis treści
Python i AI dla e-commerce eBook -- spis treści
Wstęp
Część I. Python: krótki wstÄ™p do efektywnego programowania
- Rozdział 1. Narzędzia
- 1.1. Google Colab
- 1.2. Wirtualne środowiska
- Rozdział 2. Struktury danych
- 2.1. Napisy
- 2.2. Lista (list)
- 2.3. Krotka (tuple)
- 2.4. Zbiór zmienny (set)
- 2.5. Tablica asocjacyjna - słownik (dict)
- 2.6. Klasy i obiekty
- 2.7. Podsumowanie struktur danych
- Rozdział 3. Niezbędnik programisty
- 3.1. Wyrażenia regularne
- 3.2. Wizualizacja procesu
- 3.3. Lambda, wyrażenia listowe i generatory
- 3.4. WyjÄ…tki
- 3.5. Odczyt i zapis plików
- Rozdział 4. NumPy i Pandas w akcji
- 4.1. NumPy
- 4.2. Pandas
- Rozdział 5. Bazy danych i repozytoria danych
- 5.1. Bazy relacyjne (SQL)
- 5.2. Technologia noSQL
- Podsumowanie części I
Część II. AI - przeglÄ…d technik i algorytmów
- Rozdział 6. Czym jest sztuczna inteligencja?
- Rozdział 7. Uczenie maszynowe
- 7.1. Nadzorowane uczenie maszynowe
- 7.2. Nienadzorowane uczenie maszynowe
- 7.3. Uczenie maszynowe ze wzmocnieniem
- 7.4. Głębokie uczenie
- Rozdział 8. Zastosowania maszynowego uczenia
- 8.1. "Tradycyjny" machine learning
- 8.2. Przetwarzanie języka naturalnego (NLP)
- 8.3. Uczenie maszynowe w e-commerce
- Rozdział 9. Dane, dane, dane
- 9.1. Åšwiat
- 9.2. Polska
Część III. Przepisy
- Rozdział 10. Web scraping
- 10.1. Zacznijmy od podstaw
- 10.2. Biblioteka Requests i Beautiful Soup
- 10.3. Scrapy
- 10.4. PrzeglÄ…darko-drivery i selenium
- 10.5. Podsumowanie
- RozdziaÅ‚ 11. SÅ‚ów kilka o przetwarzaniu jÄ™zyka naturalnego
- 11.1. Podsumowanie
- Rozdział 12. Uczenie nadzorowane - klasyfikatory
- 12.1. Odczyt danych
- 12.2. Wstępny przegląd danych
- 12.3. Podział zbioru na dane treningowe i testowe
- 12.4. Wektoryzacja
- 12.5. Trening
- 12.6. Ocena modelu
- 12.7. Biuro obsługi klienta Masz wiadomość!
- 12.8. Podsumowanie
- Rozdział 13. Klasyfikacja w służbie niskiej rezygnacji
- 13.1. PrzeglÄ…d danych
- 13.2. Problem luk informacyjnych w danych
- 13.3. PrzeglÄ…d i wybór cech
- 13.4. Ostateczne przygotowanie siÄ™ do preparacji danych do uczenia
- 13.5. FinaÅ‚, czyli stwórzmy sobie potok
- 13.6. Ocena modelu
- 13.7. Poszukajmy lepszego rozwiÄ…zania
- 13.8. Podsumowanie
- Rozdział 14. Systemy rekomendacji, czyli jak zwiększyć koszyk
- 14.1. Content-based Filtering
- 14.2. Collaborative Filtering
- 14.3. Rekomendacje w praktyce
- 14.4. Podsumowanie
- RozdziaÅ‚ 15. Stuninguj swój sklep
- 15.1. RESTful JSON API (Python/Flask)
- 15.2. Instalacja projektu na zewnętrznym serwerze
- 15.3. Google Tag Manager
- 15.4. Serializacja modelu
- 15.5. Podsumowanie
Zakończenie