PYTHON I AI DLA E-COMERCE

SPIS TREŚCI

Wstęp

Część I. Python: krótki wstęp 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. Wyjątki
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 – przegląd 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. Świat
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. Przeglądarko-drivery i selenium
10.5. Podsumowanie
Rozdział 11. Słów kilka o przetwarzaniu języka 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. Przegląd danych
13.2. Problem luk informacyjnych w danych
13.3. Przegląd i wybór cech
13.4. Ostateczne przygotowanie się do preparacji danych do uczenia
13.5. Finał, czyli stwórzmy sobie potok
13.6. Ocena modelu
13.7. Poszukajmy lepszego rozwiązania
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
Rozdział 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