Ryan White ist ein herausragender Schriftsteller, dessen umfangreiche Karriere fast 16 Jahre bei The Oregonian umfasst, wo er ein breites Themenspektrum von Sport bis Kultur abdeckte. Seine aufschlussreichen Essays und Interviews schmückten auch das öffentliche Radio und zahlreiche renommierte Publikationen. Whites Werk zeichnet sich durch scharfe Beobachtungsgabe und fesselnde Prosa aus und bietet den Lesern eine einzigartige Perspektive auf die von ihm behandelten Themen.
Der großformatige Bildband präsentiert erstmals alle 17 bisher erschienenen Alben des Rock-Superstars, von Greetings from Asbury Park, N. J. bis High Hopes, und enthält über 250 zum Teil unveröffentlichte Bilder. Autor Ryan White, Journalist und Musikkritiker, dokumentiert detailliert die Entstehungsgeschichte jedes Albums und lässt dabei auch die Beteiligten ausführlich zu Wort kommen. Ergänzt wird der Band durch einen Essay des Springsteen-Biografen Peter Ames Carlin sowie eine ausführliche Diskografie, die neben den Studio- alle Livealben und Compilations umfasst. Die perfekte Ergänzung zu jeder Springsteen-Plattensammlung und ein Muss für jeden Springsteen-Fan!
Mimo że osiągnięcia matematyczne stały się podwalinami algorytmiki, wielu
inżynierów nie w pełni rozumie reguły matematyki dyskretnej. Nawet jeśli nie
stanowi to szczególnego problemu w codziennej pracy, w końcu okazuje się, że
matematyka dyskretna jest niezbędna do osiągnięcia prawdziwej biegłości w
operowaniu algorytmami i w pracy na danych. Co więcej, znajomość tej dziedziny
bardzo ułatwia rozwiązywanie problemów z zakresu uczenia maszynowego. W ten
sposób praktyczna biegłość w matematyce zauważalnie poprawia wyniki pracy
inżynierów. Ta książka jest kompleksowym wprowadzeniem do matematyki
dyskretnej, przydatnym dla każdego, kto chce pogłębić i ugruntować swoje
umiejętności informatyczne. W zrozumiały sposób przedstawiono tu metody
matematyki dyskretnej i ich zastosowanie w algorytmach i analizie danych,
włączając w to techniki uczenia maszynowego. Zaprezentowano również zasady
oceny złożoności obliczeniowej algorytmów i używania wyników tej oceny do
zarządzania pracą procesora. Omówiono także sposoby przechowywania struktur
grafowych, ich przeszukiwania i znajdywania ścieżek między wierzchołkami.
Pokazano też, jak wykorzystać przedstawione informacje podczas posługiwania
się bibliotekami Pythona, takimi jak scikit-learn i NumPy. W książce między
innymi: terminologia i metody matematyki dyskretnej zastosowanie metod
matematyki dyskretnej w algorytmach i analizie danych algebra Boole'a i
kombinatoryka w podstawowych strukturach algorytmów rozwiązywanie problemów z
dziedziny teorii grafów zadania związane z uczeniem maszynowym a matematyka
dyskretna Matematyka dyskretna - poznaj, zrozum, zastosuj! O autorach Dr Ryan
T. White jest naukowcem specjalizującym się w uczeniu maszynowym i teorii
prawdopodobieństwa. Wykłada matematykę w Florida Institute of Technology.
Zajmuje się analizą stochastyczną i jej algorytmami, kieruje też projektami z
zakresu uczenia maszynowego. Archana Tikayat Ray przygotowuje się do obrony
doktoratu w Georgia Institute of Technology w Atlancie. Jej prace badawcze
koncentrują się na uczeniu maszynowym i przetwarzaniu języka naturalnego
(NLP).
