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.

Целью учебного пособия является изучение основных разделов дисциплины «Информатика» и освоение компетенции ОПК-1. Учебное пособие предназначено для студентов очной и заочной форм обучения, изучающих дисциплину «Информатика». Python – современный язык программирования, работающий на всех распространенных операционных системах для настольных компьютеров. Язык программирования Python разрабатывается чуть более 20 лет. В настоящее время активно используется две версии языка – более старая версия 2 и современная версия 3.

Python стал одним из самых популярных языков, применяемых в машинном обучении для выполнения научных и коммерческих проектов. Он объединяет в себе возможности языков программирования общего назначения с простотой использования скриптовых предметно-ориентированных языков типа R. Python предлагает библиотеки для cбора данных из Интернета, построения графиков, статистической обработки и многого другого.

Маркос Лопез де Прадо делится тем, что обычно скрывают - самыми прибыльными алгоритмами машинного обучения, которые он использовал на протяжении двух десятилетий, чтобы управлять большими пулами средств самых требовательных инвесторов. Машинное обучение меняет практически каждый аспект нашей жизни, алгоритмы МО выполняют задачи, которые до недавнего времени доверяли только проверенным экспертам. В ближайшем будущем машинное обучение будет доминировать в финансах, гадание на кофейной гуще уйдет в прошлое.