Искусственный интеллект: 21 книга, обновленные и лучшие в 2023 году

Машинное обучение для бизнеса и маркетинга

Описание книги: Наука о данных становится неотъемлемой частью любой маркетинговой деятельности, и эта книга является живым портретом цифровых преобразований в маркетинге. Анализ данных и интеллектуальные алгоритмы позволяют автоматизировать трудоемкие маркетинговые задачи. Процесс принятия решений становится не только более совершенным, но и более быстрым, что имеет большое значение в постоянно ускоряющейся конкурентной среде. «Эта книга – живой портрет цифровых преобразований в маркетинге. Она показывает, как наука о данных становится неотъемлемой частью любой маркетинговой деятельности. Подробно описывается, как подходы на основе анализа данных и интеллектуальных алгоритмов способствуют глубокой автоматизации традиционно трудоемких маркетинговых задач

Процесс принятия решений становится не только более совершенным, но и более быстрым, что важно в нашей постоянно ускоряющейся конкурентной среде. Эту книгу обязательно должны прочитать и специалисты по обработке данных, и специалисты по маркетингу, а лучше, если они будут читать ее вместе» (Андрей Себрант, директор по стратегическому маркетингу, Яндекс)

Искусственный интеллект для .Net: речь, язык и поиск

Описание книги: Издание рассказывает о применении когнитивных служб компании Microsoft и применении на практике набора простых API. В доступной форме описано создание приложений на основе искусственного интеллекта в среде разработки Visual Studio, создание разговорного интерфейса, применение API для обработки распознавания и интерпретации устной речи. Описаны различные модели языка в искусственном интеллекте. Предназначена для широкого круга читателей, интересующихся искусственным интеллектом и возможностями его практического применения, знающих на уровне пользователя базовые сервисы Microsoft.

Машинное обучение и безопасность

Описание книги: Способна ли технология машинного обучения решить проблемы компьютерной безопасности? Или надежда на это является лишь следствием повышенного внимания к машинному обучению? С помощью этой книги вы изучите способы применения машинного обучения в задачах обеспечения безопасности, таких как выявление вторжения извне, классификация вредоносных программ и анализ сетевой среды

Особое внимание уделено задачам по созданию работоспособных, надежных масштабируемых систем извлечения и анализа данных в сфере обеспечения безопасности. Издание предназначено инженерам по обеспечению безопасности, а также специалистам по обработке данных научными методами

Python Deep Learning

Авторы: Ivan Vasilev, Daniel Slater, Gianmario Spacagna, Peter Roelants, Valentino Zocca. Язык: английский.

Эта книга поможет вам исследовать сферу глубокого обучения и начать применять машинное обучение в своих проектах. Вы познакомитесь с различными архитектурами нейронных сетей, научитесь решать задачи в области компьютерного зрения, обработки естественного языка и распознавания речи.

Книга предназначена для практикующих специалистов data science, разработчиков систем машинного обучения и всех, кто интересуется глубоким обучением. Предполагается, что читатель имеет базовые знания по машинному обучению и имеет некоторый опыт работы с Python. Наибольшую пользу эта книга принесет тем, у кого также есть бэкграунд в математике и понимание концепций вычислений и статистики.

Разработка интеллектуальных систем

Описание книги: Эта книга научит вас, как создавать интеллектуальные системы от начала до конца и использовать машинное обучение на практике. Вы узнаете, как эффективно применять свои навыки разработки программного обеспечения, науки о данных, машинного обучения и управления проектами. Книга основана на более чем десятилетнем опыте создания интеллектуальных систем, которые обеспечивают сотни миллионов взаимодействий пользователей в день в некоторых из крупнейших и наиболее важных программных систем в мире. Издание будет полезно инженерам-программистам, специалистам по машинному обучению и руководителям проектов, которые хотят создавать и внедрять эффективные интеллектуальные системы.

Умные мобильные проекты с TensorFlow

Описание книги: Платформа TensorFlow от компании Google является ведущим инструментом с открытым исходным кодом для машинного обучения. Эта книга охватывает более 10 полноценных приложений для iOS, Android и Raspberry Pi на базе TensorFlow, построенных с нуля и выполняющих всевозможные модели в автономном режиме прямо на устройстве: от компьютерного зрения и обработки речи и языка до генеративно-состязательных сетей и AlphaZero-подобного глубокого самообучения с максимизацией получаемого вознаграждения. Издание предназначено широкому кругу разработчиков, желающих использовать возможности искусственного интеллекта в своих проектах.

Релевантный поиск с использованием Elasticsearch и Solr

Описание книги: Данная книга поможет вам раскрыть суть и механику релевантного поиска на базе библиотеки Apache Lucene. На примере поисковых систем Elasticsearch и Solr вы научитесь строго контролировать ранжирование результатов поиска на основе четких критериев. Вы поймете, как программировать релевантность, как подключить вторичные источники данных, классификаторы, организовать анализ текста. Наконец вы узнаете, как можно улучшить релевантность поиска за счет применения приемов машинного обучения, персонализации и семантического поиска. Издание предназначено разработчикам, стремящихся создавать интеллектуальные поисковые приложения на основе Elasticsearch или Solr.

Теоретический минимум по Big Data. Всё что нужно знать о больших данных

Описание книги: Сегодня Big Data – это большой бизнес. Нашей жизнью управляет информация, и извлечение выгоды из нее становится центральным моментом в работе современных организаций

Неважно, кто вы – деловой человек, работающий с аналитикой, начинающий программист или разработчик, «Теоретический минимум по Big Data» позволит не утонуть в бушующем океане современных технологий и разобраться в основах новой и стремительно развивающейся отрасли обработки больших данных. Хотите узнать о больших данных и механизмах работы с ними? Каждому алгоритму посвящена отдельная глава, в которой не только объясняются основные принципы работы, но и даются примеры использования в реальных задачах

Большое количество иллюстраций и простые комментарии позволят легко разобраться в самых сложных аспектах Big Data.

Mastering Machine Learning with Python in Six Steps

Практическое руководство, которое поможет вам превратиться из новичка в мастера машинного обучения. Но практикующим специалистам по машинному обучению книга тоже пригодится: в последних главах разбираются более продвинутые темы (обработка естественного языка, глубокое обучение, основы обучения с подкреплением).

Авторы предлагают путь из шести шагов, руководствуясь теорией о том, что именно шесть ступеней отделяют человека буквально от чего угодно.

Каждая из глав книги делится на две части. В первой разбираются теоретические концепции, а во второй — их практическая реализация при помощи различных пакетов Python. Чисто математические темы, стоящие за алгоритмами, освещаются на минимальном уровне, достаточном для начала работы с машинным обучением.

Книга предназначена для питонистов, желающих приобрести навыки машинного обучения. Также она будет полезна программистам, владеющим другими языками и занимающимся машинным обучением — если они хотят приобрести навыки реализации ML-алгоритмов на Python.

Like this post? Please share to your friends: