Книга рассчитана на исследователя данных, имеющего некоторый опыт работы с языком программирования R и/или Python и имеющего предшествующий (возмож­но, обрывочный или сиюминутный) контакт с математической статистикой. Двое из трех авторов пришли в мир науки о данных из мира статистики и поэтому обла­дают некоторым пониманием того вклада, который статистика может привнести в науку о данных как прикладную дисциплину. В то же время мы хорошо осведом­лены об ограничениях традиционного статистического образования: статистика как дисциплина насчитывает полтора столетия, и большинство учебников и курсов по статистике отягощены кинетикой и инерцией океанского лайнера.

Добро пожаловать в мир анализа временных рядов! Чаще всего для построения прогноза для некой последовательности дан­ных прибегают к тщательному анализу имеющихся временных рядов. Если вы держите в ру­ках эту книгу, то, вероятно, уже заметили, что временные ряды окружают нас повсюду. В последнее время они становятся важной или даже неотъемлемой частью экосистем больших данных. Что касается программирования, предполагается, что вам знакомы языки R и Python, особенно такие их фундаментальные пакеты, как NumPy, Pandas, scikit-learn (в Python) и data.table (в R)

В мире современных технологий все вокруг нас становится взаимосвязанным, настраиваемым, программируемым и в каком-то смысле компьютерным. Можно оставаться пассивным наблюдателем, а можно научиться программировать. Самое главное - это начать думать как программист. С помощью этой книги вы освоите свой первый язык программирования и узнаете, как заставить компьютер выполнять ваши команды. На примере языка Python вы пошагово изучите базовые концепции программирования и многие фундаментальные темы компьютерных наук, включая структуры данных, файлы, объекты, рекурсию и модульную организацию приложений.

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения и библиотек ImageAI и OpenCV для обработки изображений.

Географические информационные системы (ГИС) приобретают все большее значение, помогая нам понять сложную социальную, экономическую и природную динамику в ситуациях, где ключевую роль играют пространственные компоненты. Однако фундаментальные алгоритмы, применяемые в ГИС, трудны для понимания и преподавания, отчасти из-за отсутствия логически последовательного изложения. Алгоритмы можно описывать разными способами. В данной книге мы избрали более практичный путь – описывать алгоритм на реальном языке программирования, в качестве какового решили взять Python. Мы выбрали Python в основном за его простой синтаксис, а также за изобилие популярных, эффективных и хорошо сопровождаемых модулей.

Рассмотрены современные и классические алгоритмы одновременного машинного обучения множества агентов, основанные на теории игр, табличных, нейросетевых, эволюционных и роевых технологиях. Представлено последовательное развитие теоретической модели алгоритмов, базирующееся на марковских процессах принятия решений. Реализация алгоритмов выполнена на языке программирования Python с использованием библиотеки глубокого обучения PyTorch.

Наша цель в этой книге состоит в том, чтобы помочь вам изучить основы технологии и снабдить вас инструментами, которые вы сможете использовать для строительства квантовых решений завтрашнего дня. В части I вы создадите свой собственный симулятор квантового устройства на языке Python; в части II вы научитесь применять свои новые навыки для написания квантовых приложений с по­мощью языка Q# и Комплекта инструментов для квантовой разработки; и в части III вы научитесь имплементировать алгоритм, который умножает целые числа экспоненциально быстрее, чем самый лучший обычный алгоритм из известных на сегодняшний день.

Если вы уже пытались узнать что-то о нейронных сетях и глубоком обу­чении, то, скорее всего, столкнулись с изобилием ресурсов, от блогов до массовых открытых онлайн-курсов различного качества и даже книг. Ресурсы по нейронным сетям обычно делятся на две категории. Некоторые из них касаются в основном концептуальной и математической части и содержат как рисунки, которые, как правило, встречаются в объяснениях нейронных сетей, так и круги, соединенные линиями со стрелками на концах, а также подробные математические объяснения того, что происходит, чтобы вы могли «вникнуть в матчасть». На других ресурсах — много кода, запустив который вы видите, как снижается ошибка и «обучается» нейронная сеть.

За последние несколько лет были разработаны новые инструменты автоматизации, которые решают задачи конвейеров машинного обучения, такие как TensorFlow Extended (TFX) и Kubeflow. Все больше и больше организаций начинают использовать эти инструменты для создания конвейеров машинного обучения, которые автоматизируют большую часть (или все) этапов построения и обучения моделей машинного обучения. В этой книге Ханнес и Кэтрин дают четкое и понятное руководство по автоматизации конвейеров машинного обучения.

Вам когда-нибудь доводилось брать новый учебник по программированию только для того, чтобы почувствовать, как у вас голова начинает идти кругом, а глаза лезут на лоб в попытках разобраться в пространных объяснениях? Если так, то эта книга написана для вас. Многие программисты предпочитают учиться через эксперименты. Они просматривают чужой код и разбираются в том, какой способ лучше подходит для конкретной ситуации. Эта книга — пример практического подхода к изучению программирования. После минимальных объяснений читателю предоставляется набор упражнений для создания программ.

Эта книга написана, чтобы помочь вам быстро изучить Python — и изучить хорошо. Она не требует от читателя опыта программирования. Даже стопроцентный новичок обнаружит, что в этой книге просто объясняются сложные концепции. Если вы — опытный разработчик, переходящий на Python, материал обладает достаточной глубиной, чтобы вы могли немедленно взяться за программирование.

Python — динамический язык программирования, применимый в широком спектре задач благодаря своей простой, но мощной сути. Писать на Python легко, но сделать код удобочитаемым, универсальным и простым в сопровождении — сложно. В третьем издании данной книги вы ознакомитесь с практическими рекомендация­ми, полезными инструментами и стандартами, используемыми профессиональными разработчиками на Python, так что сумеете преодолеть данную проблему.

В книге «jаvascript для глубокого обучения» удачно сочетаются элементы теории глубокого обучения и реальные примеры на jаvascript с использованием TF.js. Это прекрасный источник информации как для jаvascript-разработчиков, у которых еще нет опыта машинного обучения или теоретического математического образования, так и для опытных пользователей ML, желающих расширить свою деятельность на экосистему jаvascript.

В третьем издании классического труда професоров Амстердамского университета Эндрю Таненбаума и Мартена ван Стина обсуждаются принципы и парадигмы распределенных систем. Материал был существенно переработан и дополнен, и в то же время мы были заинтересованы в ограничении общего объема книги. Поэтому он был сокращен более чем на 10 % по сравнению со вторым изданием, в основном за счет удаления материала по парадигмам. Еще одним важным отличием является использование кодов примеров, написанных на языке программирования Python с поддержкой коммуникаций посредством пакета Redis.

Я свято верю, что программирование лучше всего изучать с упором на практику. Безусловно, читать книги по программированию и наблюдать за тем, как преподаватель строит алгоритмы у доски, бывает очень полезно, но не меньшую, если не большую пользу принесет самостоятельное решение задач и воплощение изученных концепций программирования на практике. С учетом вышесказанного я решил большую часть данной книги посвятить практическим упражнениям и их решениям, а основы языка Python дать очень кратко и поверхностно.

Мы уверены, что вам понравится доступный и компактный компьютер Raspberry Pi, цена которого меньше стоимости большинства видеоигр. При этом Raspberry Pi может выступать в качестве помощника в обучении программированию, созданию роботов и других странных, но очень оригинальных и интересных проектах. Raspberry Pi собрал в себе все те функции, которыми обладают обычные компьютеры, начиная от поддержки интернета и всевозможных игр и заканчивая возможностью воспроизведения музыки и фильмов.

Цель этой книги – исследовать те части языка и инструментария Python, о которых, возможно, не все знают. Если вы – опытный разработчик, то, наверное, многие из них вам знакомы, но еще больше ждут, пока у вас появится время на их изучение. Особенно это верно в том случае, когда вы работаете над сложившимися системами, в которых изменение архитектуры компонента ради того, чтобы воспользоваться новыми возможностями языка, - дело не частое. Если вы работаете с Python сравнительно недолго, то, вероятно, знакомы с недавними добавлениями в язык, но в меньшей степени с некоторыми биб­лиотеками, входящими в экосистему.

Эта книга предназначена для того, чтобы помочь ученым и инженерам освоить версию 3 языка программирования Python и связанных с ней библиотек: NumPy, SciPy, Matplotlib и Pandas. Для чтения книги не требуется предварительный опыт программирования и научные знания в какой-либо конкретной области. Но знакомство с некоторыми математическими дисциплинами, такими как тригонометрия, комплексные числа и основы математического анализа, будет полезным при выполнении примеров и упражнений. Python – мощный язык программирования со множеством расширенных функциональных возможностей и дополнительных пакетов поддержки.

Обработка естественного языка (NLP) — одно из направлений искусственного интеллекта (ИИ), ставящее перед собой цель научить машины понимать человеческие языки и реагировать на высказывания. Без этой базовой технологии невозможен ни один виртуальный помощник. Книга поможет вам обрести навыки, необходимые для создания собственного чат-бота и NLP-приложений, способных решать реальные задачи, такие как анализ предложений, улавливание смысла текста, составление текстов и т.д.

В последнее время увеличивается спрос на программистов, работающих с языком Python. Такая возрастающая популярность языка во многом объясняется его простотой, красотой и эффективностью. Спектр задач, решаемых с использованием Python, довольно внушителен. Поэтому изучение Python — выбор вполне разумный и многообещающий.

Благодаря серии выдающихся достижений глубокое обучение значительно усилило всю область машинного обучения. В наше время даже программисты, почти ничего не знающие об этой технологии, могут использовать простые и эффективные инструменты для реализации программ, которые способны обучаться на данных. Новое издание книги-бестселлера, опирающееся на конкретные примеры, минимум теории и готовые фреймворки Python производственного уровня, поможет вам получить интуитивное представление о концепциях и инструментах, предназначенных для построения интеллектуальных систем.