Искусственный интеллект: книги на русском языке и их влияние

Построение систем машинного обучения на языке Python

Описание книги: Применение машинного обучения для лучшего понимания природы данных – умение, необходимое любому современному разработчику программ или аналитику. Python – замечательный язык для создания приложений машинного обучения. Благодаря своей динамичности он позволяет быстро производить разведочный анализ данных и экспериментировать с ними. Обладая первоклассным набором библиотек машинного обучения с открытым исходным кодом, Python дает возможность сосредоточиться на решаемой задаче и в то же время опробовать различные идеи. Книга начинается с краткого введения в предмет машинного обучения и знакомства с библиотеками NumPy, SciPy, scikit-learn. Но довольно быстро авторы переходят к более серьезным проектам с реальными наборами данных, в частности, тематическому моделированию, анализу корзины покупок, облачным вычислениям и др.

Искусственный интеллект: современные методы и задачи

В данном разделе мы представляем вам список лучших книг по искусственному интеллекту и машинному обучению, которые помогут вам разобраться в современных методах и задачах этих областей. Эти книги предназначены для разных уровней подготовки, от начинающих до опытных специалистов, и позволят вам углубить свои знания и навыки.

1. «Deep Learning» – Иан Гудфеллоу, Йошуа Бенжио, Аарон Курвилль. Данная книга является обязательным пособием для изучения глубокого обучения, а также предлагает фундаментальные знания по методам машинного обучения.

2. «Pattern Recognition and Machine Learning» – Кристоф Бишоп. Эта книга покрывает основы статистического классификатора и методов обработки данных, используемых в машинном обучении. Она также содержит много примеров и упражнений для практики.

3. «Machine Learning: A Probabilistic Perspective» – Кевин Мерфи. В этой книге вы найдете подробное изложение вероятностной интерпретации машинного обучения. Автор охватывает широкий спектр методов и задач, а также предлагает интуитивное объяснение математических концепций.

4. «Artificial Intelligence: A Modern Approach» – Стюарт Рассел, Питер Норвиг. Эта книга представляет систематический обзор основных концепций и методов искусственного интеллекта. Она содержит много примеров и практических задач для углубленного понимания материала.

5. «Reinforcement Learning: An Introduction» – Ричард Саттон, Эндрю Барто. В этой книге авторы рассказывают о методе обучения с подкреплением, который позволяет создавать агентов с способностью обучаться от своего опыта и получать вознаграждение. Она содержит как практические, так и теоретические материалы.

6. «The Hundred-Page Machine Learning Book» – Андреас Мюллер. Эта книга представляет собой компактное руководство для начинающих, представленное в виде ста страниц. Автор объясняет основы машинного обучения и применяемые методы на простом и интуитивном уровне.

7. «Hands-On Machine Learning with Scikit-Learn and TensorFlow» – Орельен Жерон. В этой книге вы найдете множество практических примеров, использующих библиотеки Scikit-Learn и TensorFlow, а также обучающие задачи, которые помогут вам применить полученные знания на практике.

8. «Mathematics for Machine Learning» – Марк Филькин, Мартин Гудфеллоу, Аарон Курвилль. Эта книга рассматривает математические концепции, необходимые для понимания основ машинного обучения. Она представляет информацию в доступном и интересном формате.

9. «The Book of Why: The New Science of Cause and Effect» – Джуда Перл, Данте Ж. Румбейера. Авторы этой книги предлагают новый взгляд на причинно-следственные связи и демонстрируют, как эти связи могут быть применены в контексте искусственного интеллекта и машинного обучения.

10. «Superintelligence: Paths, Dangers, Strategies» – Ник Бостром. В этой книге автор рассматривает вопросы связанные с появлением суперинтеллекта и его влиянием на человечество. Он также предлагает возможные стратегии для обеспечения безопасности в развитии искусственного интеллекта.

Искусственный интеллект и универсальное мышление

Описание книги: Книга содержит доступное введение в обширную и сложную область искусственного интеллекта

Существенное внимание уделено основополагающим идеям, необходимым для глубокого понимания методов поиска в пространстве решений, представления знаний, машинного обучения и самоорганизации, составляющих основу искусственного интеллекта. В то же время книга представляет собой рассуждение о том, каких ключевых свойств не хватает интеллектуальным системам, чтобы стать по-настоящему разумными, для чего автор нередко обращается к истокам искусственного интеллекта в области психологии, лингвистики, нейрофизиологии, математики, философии

Книга предназначена для широкого круга читателей, интересующихся вопросами мышления, но также может оказаться полезной и специалистам в области искусственного интеллекта.

Глубокое обучение без математики. Том 1. Основы PDF

Описание книги: Эта книга не похожа на большинство других учебников и руководств по глубокому обучению – в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину – благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию он глубоко освещает основополагающие идеи и фундаментальные основы глубокого обучения и нейронных сетей. Издание предназначено для всех читателей, кто хочет использовать глубокое обучение и нейронные сети в своей работе.

Анализ данных и машинное обучение на платформе MS SQL Server

Описание книги: В учебном пособии рассматриваются современные технологии анализа данных и машинного обучения и их реализация на платформе MS SQL Server. Приводятся предпосылки появления аналитических технологий и теоретические и практические аспекты использования хранилищ данных, оперативной аналитической обработки (On-Line Analytical Processing, OLAP) и Data Mining, а также их реализация на платформе MS SQL Server. Рассматривается пример создания хранилища данных, OLAP-куба и работы с ним с использованием клиента MS Excel. Подробно рассматриваются инструментальные средства подготовки данных и алгоритмы решения типовых задач Data Mining (регрессия, классификация, кластеризация, поиск ассоциативных связей, анализ последовательностей, прогнозирование, нейронные сети) на платформе MS SQL Server с использование MS Excel.

Разработка чат-ботов и разговорных интерфейсов

Описание книги: В книге рассказывается о работе диалоговых интерфейсов как способе взаимодействия машины с людьми на естественном языке. Вы научитесь разрабатывать чат-ботов для выполнения различных прикладных задач с помощью платформ Microsoft Bot Framework, DialogFlow и Twilio, а также изучите механизмы развертывания чат-ботов на платформах мессенджеров типа Facebook. В заключении освоите отправку и отслеживание сообщений на платформе Twitter, а также поэкспериментируете с технологиями Google Assistant и Amazon Alexa. Издание будет полезно начинающим разработчикам в области искусственного интеллекта

Четвертая промышленная революция. Клаус Шваб

Клаус Шваб написал руководство для тех, кто интересуется будущим и хочет разобраться в том, что стоит за обычным роботом. Автор дает советы о том, как лучше использовать искусственный интеллект для своих благ, как не потеряться в грядущих изменениях и извлечь максимум выгоды.

Книга создана для тех, кто с твердым намерением хочет изменить мир к лучшему, благодаря передовым технологиям.

Достоинства:

  • хорошее качество книги и оформление;
  • «умная книга», актуальная тема;
  • интересные факты подтверждены научными сведениями;
  • описывается много новых технологий, которые действительно могут изменить мир к лучшему;
  • прокачивает мышление в процессе чтения.

Недостатки:

  • много общих рассуждений и воды;
  • книга не дает расслабиться при чтении, есть много непонятных и сложных описаний.

Нейросетевые методы в обработке естественного языка

Описание книги: Это классическое руководство посвящено применению нейросетевых моделей к обработке данных естественного языка (Natural Language Processing – NLP). Рассматриваются основы машинного обучения с учителем на лингвистических данных и применение векторных, а не символических представлений слов. Обсуждается абстракция графа вычислений, которая позволяет легко определять и обучать произвольные нейронные сети и лежит в основе современных программных нейросетевых библиотек. Также даются обзорные сведения специализированных нейросетевых архитектур, включая одномерные сверточные сети, рекуррентные нейронные сети, модели условной генерации и модели с механизмом внимания. Издание предназначено студентам вузов, а также специалистам в области машинного перевода и нейронных сетей. Предполагается знание теории вероятностей, алгебры и математического анализа, а также базовое владение алгоритмами и структурами данных.

# 2. Мастер Алгоритм Педро Домингос

Центральная гипотеза Мастер Алгоритм заключается в том, что все знания — прошлые, настоящие и будущие — могут быть получены из данных с помощью единого универсального алгоритма обучения, который количественно определяется как главный алгоритм. В книге подробно описаны некоторые из лучших методологий машинного обучения, в ней даются подробные объяснения того, как работают разные алгоритмы, как их можно оптимизировать и как совместно они могут работать для достижения конечной цели — создания Мастер-алгоритма. Это алгоритм, способный решить любую проблему, которую мы ему подаём, включая лечение рака.

Читатель начнет с изучения Наивный Байес, простой алгоритм, который можно объяснить одним простым уравнением. Оттуда он разгоняется на полной скорости до более интересных методов машинного обучения. Чтобы понять технологии, которые ускоряют нас к этому мастер-алгоритму, мы изучаем основы конвергенции. Во-первых, из нейронауки мы узнаем о пластичности мозга, нейронных сетях человека. Во-вторых, мы переходим к естественному отбору на уроке, чтобы понять, как разработать генетический алгоритм, моделирующий эволюцию и естественный отбор. С генетическим алгоритмом популяция гипотез в каждом поколении пересекается и мутирует, оттуда наиболее приспособленные алгоритмы производят следующее поколение. Эта эволюция предлагает максимальное самосовершенствование.

Другие аргументы исходят из физики, статистики и, конечно же, лучших компьютерных наук. Невозможно всесторонне рассмотреть все различные аспекты, затронутые в этой книге, из-за амбициозных масштабов книги по изложению основы для построения главного алгоритма. Именно эта структура отодвинула эту книгу на второе место, поскольку все другие книги по машинному обучению в той или иной форме основаны на ней.

Like this post? Please share to your friends: