Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
Hieronder kan je kiezen welke cookies je wilt inschakelen:
Technische en functionele cookies
Deze cookies zijn essentieel om de website goed te laten functioneren, en laten je toe om bijvoorbeeld in te loggen. Je kan deze cookies niet uitschakelen.
Analytische cookies
Deze cookies verzamelen anonieme informatie over het gebruik van onze website. Op die manier kunnen we de website beter afstemmen op de behoeften van de gebruikers.
Marketingcookies
Deze cookies delen je gedrag op onze website met externe partijen, zodat je op externe platformen relevantere advertenties van Standaard Boekhandel te zien krijgt.
Je kan maximaal 250 producten tegelijk aan je winkelmandje toevoegen. Verwijdere enkele producten uit je winkelmandje, of splits je bestelling op in meerdere bestellingen.
La mejor herramienta es la más difícil de utilizar. El machine learning es la tecnología de uso general más importante del mundo, pero es muy complicada de lanzar. Fuera de los gigantes tecnológicos y algunas otras empresas líderes, las iniciativas de machine learning suelen fallar a la hora de implementarse y nunca llegan a aportar valor. ¿Qué falta? Una práctica empresarial especializada apta para una adopción amplia.En la Guía práctica de la IA, el autor superventas Eric Siegel presenta el estándar de referencia, un modelo práctico en seis pasos para llevar los proyectos de machine learning desde su concepción hasta su implementación. Ilustra la práctica con historias de éxito y fracaso, incluyendo casos prácticos reveladores de UPS, FICO y empresas puntocom destacadas. Este enfoque disciplinado sirve para ambas partes: da poder a los profesionales empresariales y establece un marco de trabajo estratégico muy necesario para los profesionales de los datos.Además de detallar la práctica, este libro también mejora las cualificaciones de los profesionales empresariales de forma indolora. Ofrece una dosis vital pero amable de conocimiento contextual semitécnico que todas las partes interesadas necesitan para dirigir o participar en proyectos de machine learning de principio a fin. Esto pone a los profesionales empresariales y los de datos en igualdad de condiciones para que puedan colaborar de manera conjunta y profunda para establecer con precisión lo que debe predecir el machine learning, cómo de bien predice y cómo se actuará en función de sus predicciones para mejorar las operaciones. Estas cuestiones esenciales determinan el éxito o el fracaso de cada iniciativa; si se hacen bien, allanan el camino para la implementación dirigida al valor del machine learning.