Искусственный интеллект: открывая новые горизонты в литературе и науке

Книги по машинному обучению и искусственному интеллекту, вышедшие в 2019 году

Искусственные нейронные сети

# Автор Название Дополнительно
1.1. Заенцев И. В. Нейронные сети: основные модели И. В. Заенцев. — Воронеж: Изд-во Воронежского госуд. ун-та, 1999. — 76 с.
1.2. Вороновкий Г. К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности Г. К. Вороновский, К. В. Махотило, С. Н. Петрашев, С. А. Сергеев. — Х.: ОСНОВА, 1997. — 112 с.
1.3. Рутковская Д. Нейронные сети, генетические алгоритмы и нечёткие системы Д. Рутковская, М. Пилиньский, Л. Рутковский. — М.: Горячая линия — Телеком, 2006. — 452 с.
1.4. Каллан Р. Основные концепции нейронных сетей/ Р. Каллан. — Москва, Санкт-Петербург, Киев: Издательский дом «Вильямс», 2001. — 287 с
1.5. Джонс М. Т. Программирование искусственного интеллекта в приложениях М. Тим Джонс; Пер. с англ. Осипов А. И. — М.: ДМК Пресс, 2006. — 312 с.
1.6. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений А. Б. Барский. — М.: Финансы и статистика, 2007. — 174 с.
1.7. Ежов А. А. Нейрокомпьютинг и его применение в экономике и бизнесе: Учеб. пособие А. А. Ежов, С. А. Шумский. — М.: МИФИ, 1998. — 222 с.
1.8. Осовский С. Нейронные сети для обработки информации С. Осовский. — М.: Финансы и статистика, 2004. — 343 с.
1.9. Уоссермен Ф. Нейрокомпьютерная техника: теория и практика Ф. Уоссермен. — М.: Мир, 1992. — 236 с.
1.10. Круглов В. В. Нечёткая логика и искусственные нейронные сети: Учеб. пособие для студентов вузов В. В. Круглов, М. И. Дли, Р. Ю. Голунов. — М.: Физматлит, 2001. — 224 с.
1.11. Яхъяева Г. Э. Нечеткие множества и нейронные сети: учеб. пособие Г. Э. Яхъяева. — М.: Интернет-Ун-т Информ. Технологий: БИНОМ. Лаб. знаний, 2008. — 315 с.
1.12. Хайкин С. Нейронные сети. Полный курс С. Хайкин. 2-e изд. Пер. с англ. – М.: Издательский дом «Вильямс», 2006. – 1104 с.

Прагматичный ИИ

Книга об искусственном интеллекте, машинном обучении и облачных вычислениях. А кроме того, в ней красной нитью проходит тема автоматизации и практичности. Как пишет автор, «То, что не развернуто в промышленной эксплуатации, — не в счет. Не автоматизировано — значит не работает».

Автор книги, Ной Гифт, преподает машинное обучение и облачные архитектуры в Калифорнийском университете в Дэвисе. У него около 20 лет опыта в программировании на Python. Гифт работал в самых разных компаниях, а в настоящее время выступает в роли консультанта по вопросам машинного обучения.

Книга «Прагматичный ИИ» предназначена для широкого круга читателей, в том числе и для не-программистов (они тоже найдут для себя что-то полезное). Написана она на основе других публикаций автора, а также проведенных им семинаров и курсов. Для примеров в книге используется Python (в блокнотах Jupiter).

Python® Machine Learning

Мягкое вступление в тему машинного обучения. Вы познакомитесь с несколькими основными библиотеками Python, благодаря которым реализуется машинное обучение. В частности, научитесь работать с числами и массивами чисел, используя NumPy. Затем разберете, как работать с табличными данными при помощи Pandas. После этого перейдете к теме визуализации данных при помощи библиотеки matplotlib.

Изучив эти основы, вы углубитесь в тему машинного обучения с использованием Python и библиотек Scikit-Learn. Вы разберете самые распространенные ML-алгоритмы (регрессия, кластеризация, классификация) и узнаете, как они работают «под капотом».

Предполагается, что читатели владеют основами языка Python и имеют базовое понимание статистики.

В 2019 году вышли еще три книги, касающиеся машинного обучения. Их мы рассматривали в статье «Изучаем популярные библиотеки Python: книги 2019 года». Здесь мы не будем повторять описания, а просто приведем названия книг.

  • «PyTorch Recipes». Автор — Pradeepta Mishra.
  • «Learn Keras for Deep Neural Networks». Автор — Jojo Moolayil.
  • «Beginning Anomaly Detection Using Python-Based Deep Learning». Авторы — Sridhar Alla и Suman Kalyan Adari.
Like this post? Please share to your friends: