Wprowadzenie do modelowania predykcyjnego. Wersja R

Opis książki:

Książka splata teorię, przykłady i procesy istotne dla tworzenia modeli zgodnie z regułami Odpowiedzialnego Uczenia Maszynowego (ang. Responsible Machine Learning). Znajdziesz tutaj intuicje i przykłady dla Interpretable Machine Learning (IML) i e Xplainable Artificial Intelligence (XAI). Opisy uzupełnione są o fragmenty kodu z przykładami dla R z wykorzystaniem pakietów random Forest, mlr3 i DALEX. Wreszcie, proces tworzenia modeli jest pokazany poprzez komiks opisujący przygody dwóch postaci, Bety i Bita. Interakcja tych dwóch postaci pokazuje decyzje, przed którymi często stają analitycy, czy wypróbować inny model, inną technikę eksploracji lub poszukać innych danych - pytania, jak porównywać modele lub je weryfikować.

Wszystkie przykłady są w pełni odwtarzalne tak, że można te wszystkie przygody odtworzyć na lokalnym komputerze. Tworzenie modeli jest odpowiedzialnym i wymagającym zadaniem, ale także ekscytującą przygodą. Czasami podręczniki skupiają się tylko na stronie technicznej, tracąc całą zabawę. Tutaj będziemy mieć jedno i drugie.

Niniejsza książka jest krótką, ale pouczającą i wciągającą wycieczką po odpowiedzialnym uczeniu maszynowym, w której dokładne wytłumaczenia fundamentalnych koncepcji są umiejętnie wplecione we wdzięczną i atrakcyjnie zilustrowaną fabułę. W sposób przyjazny turyście wskazuje ona na pewne ważne aspekty wnioskowania z danych oraz pozwala rzucić okiem na to, jak tego typu analizy są (lub przynajmniej powinny być) przeprowadzane. Należy zwrócić uwagę, że od Czytelnika nie wymaga się profesjonalnego, podróżniczego ekwipunku - otwarty umysł oraz solidne matematyczne przygotowanie na poziomie szkoły średniej z pewnością wystarczą. Nie trzeba chyba dodawać, że nie wystarczy powrócić z tej wycieczki, aby stać się ekspertem w data science - jest to wszak ogromna (i fascynująca) dziedzina, która może być porównana do podróży tysiąca mil. Wiemy jednak doskonale, że takie podróże rozpoczynają się od pierwszego kroku... lub złapania autostopu!
(Łukasz Rajkowski, redaktor polskiego miesięcznika popularnonaukowego "Delta")
Dwaj studenci z Politechniki Warszawskiej szli ramię w ramię w konkursie ogłoszonym przez NASA. Wygrał Mietek Begger i to w jego statku kosmicznym Lunar Apollo poleciał na Księżyc. Jak rodzą się tacy studenci? Poprzez kontakt z wyjątkowymi opiekunami. A co cechuje tych ostatnich? Oryginalny i inspirujący sposób przekazu.

Wyjątkowy podręcznik profesora Przemysława Biecka jest teraz w Twoich rękach.

(Marek Stączek, coach, storyteller, autor książek)
Dr hab. inż. Przemysław Biecek - absolwent statystyki matematycznej i inżynierii oprogramowania na Politechnice Wrocławskiej. Dzisiaj prowadzi badania nad wyjaśnialną i etyczną sztuczną inteligencją oraz wykłada na Politechnice Warszawskiej i Uniwersytecie Warszawskim. Założył grupę pasjonatów analizy danych MI2, rozwijającą metody i narzędzia odpowiedzialnego uczenia maszynowego. W wolnym czasie razem z Betą i Bitem jeździ po świecie i szuka przygód.

Anna Kozak - absolwentka statystyki matematycznej i analizy danych na Politechnice Warszawskiej. Obecnie prowadzi zajęcia z technik wizualizacji i eksploracji danych oraz pracuje badawczo w obszarze odpowiedzialnego uczenia maszynowego w grupie MI2. W wolnym czasie organizuje warsztaty w obszarze Data Science lub czyta kryminały.

Aleksander Zawada - rysownik, ilustrator, grafik, absolwent Wydziału Architektury Politechniki Warszawskiej. Zawodo zajmuje się wszystkimi formami kreacji graficznej. Prowadzi fundację cyberetyka.pl. Uwielbia gry planszowe, fabularne i strategiczne, sporty oraz emocje.

Książka "Wprowadzenie do modelowania predykcyjnego. Wersja R" - Przemysław Biecek, Anna Kozak, Aleksander Zawada - oprawa miękka - Wydawnictwo Wydawnictwa Uniwersytetu Warszawskiego. Książka posiada 52 stron i została wydana w 2022 r.