Прагматичный ИИ Гифт Н.Прагматичный ИИ купитьПрагматичный ИИ. Машинное обучение и облачные технологииПрагматичный ИИ. Машинное обучение и облачные технологии Гифт Н.Прагматичный ИИ. Машинное обучение и облачные технологии купить
Прагматичный ИИ
Прагматичный ИИ Гифт Н.
Прагматичный ИИ купить
Прагматичный ИИ. Машинное обучение и облачные технологии
Прагматичный ИИ. Машинное обучение и облачные технологии Гифт Н.
Прагматичный ИИ. Машинное обучение и облачные технологии купить

Прагматичный ИИ. Машинное обучение и облачные технологии, Гифт Н.

680 грн.

Артикул: pit198 Категория: Метка:

Описание

Здесь можно купить: Прагматичный ИИ. Машинное обучение и облачные технологии, Гифт Н. книга

Издательство — Питер

Язык — русский

Обложка — Мягкая обложка

Год издания — 2019

Количество страниц — 304

ISBN — 978-5-4461-1061-2

Бумага — белая, офсетная

О книге Прагматичный ИИ. Машинное обучение и облачные технологии, Гифт Н.

Искусственный интеллект — это мощный инструмент в руках современного архитектора, разработчика и аналитика.Облачные технологии — ваш путь к укрощению искусственного интеллекта. Тщательно изучив эту незаменимую книгу от Ноя Гифта, легендарного эксперта по языку Python, вы легко научитесь писать облачные приложения с использованием средств искусственного интеллекта и машинного обучения, решать реалистичные задачи из таких востребованных и актуальных областей, как спортивный маркетинг, управление проектами, ценообразование, сделки с недвижимостью. Все примеры разобраны на языке Python, #1 в сфере современных стремительных вычислений

Прагматичный ИИ. Машинное обучение и облачные технологии, Гифт Н. оглавление

6Предисловие

Кому стоит прочитать эту книгу

Структура издания

Примеры кода

Условные обозначения

Благодарности

Об авторе

Часть I. Введение в прагматичный ИИГлава 1. Что такое ИИ

Функциональное введение в Python

Процедурные операторы

Вывод результатов

Создание и использование переменных

Множественные процедурные операторы

Сложение чисел

Склеивание строк

Сложные операторы

Строки и форматирование строк

Сложение и вычитание чисел

Умножение десятичных чисел

Использование показательных функций

7Преобразование между различными числовыми типами данных

Округление

Структуры данных

Словари

Списки

Функции

Использование управляющих конструкций

Циклы for

Циклы while

Операторы if/else

Промежуточные вопросы

Резюме

Глава 2. ИИ и инструменты машинного обучения

Экосистема исследования данных языка Python: IPython, Pandas, NumPy,

блокнот Jupiter, Sklearn

Язык R, RStudio, Shiny и ggplot

Электронные таблицы: Excel и Google Sheets

Разработка облачных приложений ИИ с помощью веб-сервисов Amazon

Интеграция разработки и эксплуатации на AWS

Непрерывная поставка

Создание среды разработки ПО для AWS

Настройки проекта Python для AWS

Интеграция с блокнотом Jupiter

Интеграция утилит командной строки

Интеграция AWS CodePipeline

Основные настройки Docker для исследования данных

Другие сервисы сборки: Jenkins, CircleCI и Travis

Резюме

Глава 3. Спартанский жизненный цикл ИИ

Прагматическая петля обратной связи при промышленной эксплуатации

AWS SageMaker

Петля обратной связи AWS Glue

AWS Batch

Петли обратной связи на основе Docker

Резюме

8Часть II. ИИ в облакеГлава 4. Разработка ИИ в облачной среде с помощью облачной

платформы Google

Обзор GCP

Colaboratory

Datalab

Расширяем возможности Datalab с помощью Docker и реестра

контейнеров Google

Запуск полнофункциональных машин с помощью Datalab

BigQuery

Облачные сервисы ИИ компании Google

Тензорные процессоры Google и TensorFlow

Резюме

Глава 5. Разработка ИИ в облачной среде с помощью веб-сервисов Amazon

Создание решений дополненной и виртуальной реальностей

на основе AWS

Компьютерное зрение: создание конвейеров AR/VR

с помощью EFS и Flask

Создание конвейера инженерии данных с помощью EFS, Flask

и Pandas

Резюме

Часть III. Создание реальных приложений ИИ с нуляГлава 6. Прогноз популярности в соцсетях в НБА

Постановка задачи

Сбор данных

Получение данных из труднодоступных источников

Получение данных о просмотрах страниц «Википедии» спортсменов

Получение данных о вовлеченности в Twitter спортсменов

Изучаем данные об игроках НБА

Машинное обучение без учителя для данных об игроках НБА

Построение фасетного графика по игрокам НБА на языке R

Собираем все воедино: команды, игроков, социальный авторитет и рекламные отчисления

Дальнейшие прагматичные шаги и учебные материалы

Резюме

9Глава 7. Создание интеллектуального бота Slack в AWS

Создание бота

Преобразование библиотеки в утилиту командной строки

Выводим бот на новый уровень с помощью сервиса AWS Step Functions

Настройка учетных данных IAM

Завершение создания пошаговой функции

Резюме

Глава 8. Извлечение полезной информации об управлении проектами

из учетной записи GitHub-организации

Обзор проблем, возникающих при управлении программными проектами

Создание исходного каркаса проекта исследования данных

Сбор и преобразование данных

Обработка GitHub-организации в целом

Формирование предметно-ориентированной статистики

Подключение проекта по исследованию данных к интерфейсу

командной строки

Исследование GitHub-организаций с помощью блокнота Jupiter

Изучаем метаданные файлов проекта CPython

Изучаем файлы, удаленные из проекта CPython

Развертывание проекта в каталоге пакетов Python

Резюме

Глава 9. Динамическая оптимизация виртуальных узлов EC2 в AWS

Выполнение заданий на платформе AWS

Спотовые виртуальные узлы

Теория спотовых виртуальных узлов и история цен на них

Создание утилиты и блокнота для сравнения цен на спотовые

виртуальные узлы на основе машинного обучения

Написание модуля запуска спотового виртуального узла

Написание более сложного модуля запуска для спотового

виртуального узла

Резюме

Глава 10. Недвижимость

Исследование цен на недвижимость в США

Интерактивная визуализация данных в Python

Кластеризация по порядку размера и цене

Резюме

Глава 11. Промышленная эксплуатация ИИ для пользовательского контента

Получившее премию Netflix решение не было внедрено в промышленную эксплуатацию

Ключевые понятия рекомендательных систем

Использование фреймворка Surprise в языке Python

Облачные решения для создания рекомендательных систем

Проблемы, возникающие на практике при работе с рекомендациями

Облачный NLP и анализ тональности высказываний

NLP на платформе Azure

NLP на платформе GCP

Изучаем API сущностей

Бессерверный конвейер ИИ промышленного уровня для NLP

на платформе AWS

Резюме

ПриложенияПриложение A. Аппаратные ускорители для ИИ

Приложение Б. Выбор размера кластера

Также вы можете оставить вопрос или отзыв о книге: Прагматичный ИИ. Машинное обучение и облачные технологии, Гифт Н.

Отзывы

Отзывов пока нет.

Будьте первым, кто оставил отзыв на “Прагматичный ИИ. Машинное обучение и облачные технологии, Гифт Н.”

Ваш e-mail не будет опубликован. Обязательные поля помечены *