Book description
Wykorzystaj dane z sieci do własnych potrzeb! Internet to nic innego jak gigantyczny zbiór danych. Każdy, kto znajdzie sposób na ich umiejętne wykorzystanie, ma szansę zbudować aplikację, która odniesie światowy sukces. Serwisy randkowe, portale społecznościowe, porównywarki cen -- to tylko drobna część serwisów, które możesz wykorzystać przy tworzeniu nowej usługi. Jak analizować dane i wyciągnąć wnioski? Na wiele podobnych pytań odpowiada ta jedyna w swoim rodzaju książka. W trakcie lektury poznasz najlepsze sposoby filtrowania danych, tworzenia rekomendacji, wykrywania grup oraz wyszukiwania i klasyfikowania. Na kolejnych stronach znajdziesz bogaty zbiór informacji poświęconych algorytmom analizującym dane. Ponadto będziesz mieć możliwość zapoznania się z różnymi sposobami optymalizacji, modelowania przy użyciu drzew decyzyjnych oraz tworzenia modeli cenowych. Książka ta w rękach wprawnego programisty może stanowić niesamowite narzędzie. Otwiera wrota do świata pełnego danych i zależności pomiędzy nimi
Table of contents
- Pochwały dotyczące książki
- Słowo wstępne
- Przedmowa
- 1. Inteligencja zbiorowa — wprowadzenie
-
2. Tworzenie rekomendacji
- Filtrowanie grupowe
- Gromadzenie preferencji
- Znajdowanie podobnych użytkowników
- Rekomendowanie pozycji
- Dopasowywanie produktów
- Tworzenie systemu rekomendowania odnośników del.icio.us
- Filtrowanie oparte na pozycjach
- Zastosowanie zbioru danych MovieLens
- Filtrowanie oparte na użytkownikach czy pozycjach?
- Ćwiczenia
- 3. Wykrywanie grup
- 4. Wyszukiwanie i klasyfikowanie
- 5. Optymalizacja
-
6. Filtrowanie dokumentów
- Filtrowanie spamu
- Dokumenty i wyrazy
- Trenowanie klasyfikatora
- Obliczanie prawdopodobieństw
- Naiwny klasyfikator
- Metoda Fishera
- Utrwalanie klasyfikatorów po przeprowadzonym treningu
- Filtrowanie kanałów informacyjnych blogów
- Poprawianie wykrywania właściwości
- Użycie interfejsu Akismet
- Alternatywne metody
- Ćwiczenia
-
7. Modelowanie przy użyciu drzew decyzyjnych
- Przewidywanie rejestracji
- Wprowadzenie do drzew decyzyjnych
- Uczenie drzewa
- Wybór najlepszego podziału
- Budowanie drzewa rekurencyjnego
- Wyświetlanie drzewa
- Klasyfikowanie nowych obserwacji
- Przycinanie drzewa
- Radzenie sobie z brakującymi danymi
- Radzenie sobie z wynikami liczbowymi
- Modelowanie cen domów
- Modelowanie „atrakcyjności”
- Kiedy stosować drzewa decyzyjne?
- Ćwiczenia
-
8. Budowanie modelu cen
- Budowanie przykładowego zbioru danych
- Metoda k-najbliższych sąsiadów
- Sąsiednie elementy z określoną wagą
- Walidacja krzyżowa
- Zmienne heterogeniczne
- Optymalizowanie skali
- Rozkłady niejednolite
- Użycie rzeczywistych danych — interfejs API serwisu eBay
- Kiedy używać metody k-najbliższych sąsiadów?
- Ćwiczenia
- 9. Zaawansowane klasyfikowanie: metody jądrowe i maszyny wektorów nośnych
- 10. Znajdowanie niezależnych właściwości
- 11. Inteligencja rozwojowa
- 12. Algorytmy — podsumowanie
- A. Zewnętrzne biblioteki
- B. Formuły matematyczne
- C. O autorze
- Indeks
- Kolofon
- Copyright
Product information
- Title: Nowe usługi 2.0. Przewodnik po analizie zbiorów danych
- Author(s):
- Release date: August 2014
- Publisher(s): Helion
- ISBN: 97888324693016
You might also like
book
Wyrażenia regularne. Wprowadzenie
Ta wspaniała książka wprowadzi Cię w świat wyrażeń regularnych szybko i bezboleśnie. Już za chwilę wykorzystasz …
book
Podstawy wizualizacji danych
Ten poradnik pomoże Ci uniknąć często spotykanych problemów z wizualizacją danych. Zawiera wskazówki, dzięki którym szybko …
book
Uczenie maszynowe w Pythonie
Uczenie maszynowe jest dziś wykorzystywane w różnych dziedzinach życia: w biznesie, w polityce, w organizacjach non …
book
Uczenie maszynowe w Pythonie
Z tego zwięzłego przewodnika po technikach uczenia maszynowego opartego na strukturalnych danych skorzystają programiści, badacze, osoby …