Порекомендовать героя

WE важно, кто рядом с нами и нашими семьями. МЫ стремимся делать так, чтобы вокруг нас были надежные люди, которым можно доверять. Рекомендуя людей, обратите внимание на наши ценности и ориентиры.

    Наши люди WE:

  • Наш Человек стремится создавать то, что улучшает жизнь людей

  • Наш Человек в общении с окружением честен и справедлив, порядочен и верен

  • Вы доверяете ему и уверены в его искренности

  • Наш Человек живет полной жизнью: любимая семья, достойное окружение, любимое дело, интересное хобби

  • Наш Человек всегда идет вперед и развивается

  • Наш Человек неравнодушен и готов вместе с нами создавать добрые дела

Далее
Порекомендовать героя

Выберете одну или нескольо рубрик, в которую вы рекомендуете человека


Закрыть поиск
ВАША ЗАЯВКА ПРИНЯТА

Спасибо за неравнодушие!
Нам важно узнавать о достойных людях, чтобы рассказывать о них городу!

Вернуться на главную

Подписаться на рассылку

Array
(
    [SRC] => 
    [WIDTH] => 0
    [HEIGHT] => 0
)
big-data-mashinnoe-obuchenie-neyronnye-seti-18-knig-dlya-teh-kto-hochet-razbirat-sya-v-sovremennyh-tehnologiyah
Big Data, машинное обучение, нейронные сети — 18 книг для тех, кто хочет разбираться в современных технологиях
1956

17.05.2021

Big Data, машинное обучение, нейронные сети — 18 книг для тех, кто хочет разбираться в современных технологиях

Нейронные сети могут отследить мошенничество с банковскими картами, организовать логистику, предсказать рост или падение цен и так далее. Редакция MC.today собрала лучшие книги про нейронные сети для новичков и профессионалов. Они помогут разобраться, как работает машинное и глубокое обучение и как внедрить искусственный интеллект в бизнес.


Нейронные сети


«Создаем нейронную сеть», Тарик Рашид


Источник

Тарик Рашид — специалист в сфере количественного анализа данных. В книге он несложно рассказывает, что такое нейросети, как они работают и где используются. Еще он объясняет, как на языке Python создать код, который распознает, написанные от руки цифры.

Чем полезна? После прочтения этой книги сможете создать собственную нейронную сеть, которая будет распознавать образы.


«Нейронные сети. Полный курс», Саймон Хайкин


Источник

Книга про нейронные сети для инженеров, физиков, программистов и всех, кому это интересно. Вы узнаете, как они распознают образы и обрабатывают сигналы. Автор подкрепил теорию математическими вычислениями, компьютерными исследованиями и практическими примерами.

Чем полезна? Книгу можно использовать для разработки курсов по нейронным сетям. Здесь рассматриваются важные системы нейросетей, есть много практических задач, а в конце автор представил список дополнительной литературы, если вы захотите еще больше углубиться в тему.


«Нейронные сети для прикладных наук и инженерии: от основ до распознавания сложных образов», Сандхья Самарасингхе


Источник

Автор делает обзор архитектур нейронных сетей для анализа информации. Она объясняет все этапы разработки модели нейросетей на примерах и рассказывает, как с их помощью можно делать прогнозы. Еще вы узнаете, как нейросети связаны со статистикой.

Чем полезна? Несмотря на научный контекст, книга написана просто, а сложные математические понятия объясняются с помощью изображений.


«Распознавание эмоций. Подход к анализу паттернов», Амит Конар, Аруна Чакраборти


Источник

Авторы собрали самые важные достижения науки в сфере распознавания эмоций нейросетями. Они объясняют, как машина может считать эмоции человека по выражению лица, голосу и жестам. Например, в автомобильной сфере нейросети выясняют уровень стресса и гнева водителей. Эмоциональное состояние последних влияет на их способность управлять автомобилем и может привести к аварии. Амит Конар и Аруна Чакраборти говорят, что потребность в таком анализе появляется и в других областях: психиатрии, медицине и государственных структурах.

Чем полезна? Вы узнаете в каком направлении будут развиваться новые технологии, в сфере распознавания эмоций.


Искусственный интеллект


«Искусственный интеллект: современный подход (AIMA-2). 2-е издание», Стюарт Рассел, Питер Норвиг


Источник

Авторы считают: «Искусственный интеллект — это наука об «агентах», которые получают информацию, а затем выполняют действия». Они рассказывают о математической логике, теории вероятностей и непрерывных функциях. Книга предназначена для студентов IT-специальностей, аспирантов и разработчиков, которые изучают искусственный интеллект. Если хотите больше примеров, книга дополнена специальным интернет-ресурсом, на который ссылаются авторы на страницах.

Чем полезна? Кроме теории, здесь описаны работающие алгоритмы. Еще Стюарт Рассел и Питер Норвиг делятся профессиональным опытом и дают советы разработчикам.


«Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности», Томас Дэвенпорт


Источник

Эксперт в области аналитики и больших данных Томас Дэвенпорт, рассказывает зачем компаниям внедрять искусственный интеллект. В книге он рассматривает машинное и глубокое обучение, нейронные сети, обработку языка, роботизацию и объясняет, как они повлияют на бизнес-процессы. Материал подойдет руководителям IT-отдела и отдела инноваций, топ-менеджерам и операционным директорам.

Чем полезна? На примерах компаний: Amazon, Google, Facebook, GlaxoSmithKline, Uber и GE автор разбирает, когда эти технологии принесли пользу, а когда стали провальными.


«Совместимость. Как контролировать искусственный интеллект», Стюарт Рассел


Источник

Профессор компьютерных наук в Калифорнийском университете в Беркли, Стюарт Рассел считает, что конфликта между машинами и людьми можно избежать. Но для этого сначала нужно сделать некоторые открытия. По словам автора, главная задача — перестроить машины так, чтобы они решали задачи людей, а не свои собственные. Например, роботы могут помогать людям, которые не могут сами за собой ухаживать — так последние получат определенную независимость. Он считает, что действия машин должны ограничиваться.

Чем полезна? Автор расписывает возможности и угрозы искусственного интеллекта.


«Искусственный интеллект с примерами на Python», Пратик Джоши


Источник

Автор повествует о том, как искусственный интеллект используют в поисковиках, беспилотных автомобилях, для распознавания образов и так далее. Вы узнаете, как программа принимает решения на основе алгоритмов. Еще автор объясняет:

— что такое логическое программирование

— как искусственный интеллект помогает создавать игры

— как разработать систему распознавания речи

— как создать программу для обработки информации из текста и картинок.

Чем полезна? Вы на примерах разберете как обучать искусственный интеллект.


Глубокое обучение


«Основы глубокого обучения. Создание алгоритмов для искусственного интеллекта следующего поколения», Нихиль Будума, Николас Локашо


Источник

Авторы рассказывают на каких принципах строится глубокое обучение искусственного интеллекта. В книге есть примеры компаний Google, Microsoft и Facebook. Они рассматривают возможности этого направления и объясняют, какие есть сложности в развитии искусственных нейросетей.

Чем полезна? Авторы пишут легко и разъясняют каждый термин, чтобы любой человек мог разобраться в теме машинного обучения.


«Глубокое обучение: готовые решения», Давид Осинга


Источник

Автор считает, что глубокое обучение не настолько сложное, каким его считают. Если раньше на это уходили годы, то сейчас можно использовать готовые программные продукты Keras и TensorFlow. В каждом разделе, есть информация как создать приложения, например, чтобы порекомендовать музыку. Все примеры написаны на языке Python.

Чем полезна? С помощью примеров из книги, программисты без опыта в этой сфере научатся создавать работающие приложения.


«Глубокое обучение для поисковых систем», Томмазо Теофили


Источник

Книга для программистов среднего уровня, которые хотят улучшить работу поисковых систем. Автор рассказывает, как работают последние и на примерах с фрагментами кода, показывает разные методы поиска. Он освещает проблемы поисковиков, и предлагает способы их решить. Еще он делится советами как протестировать нейросеть, и измерить ее выгоды.

Чем полезна? Поймете, как использовать поисковые сети на максимум.


«Глубокое обучение и TensorFlow для профессионалов. Математический подход к построению систем искусственного интеллекта на Python», Сантану Паттанаяк


Источник

Углубленное практическое руководство по глубокому обучению. Сначала автор объясняет математическую базу, а затем рассказывает об обучении и TensorFlow. Еще вы разберетесь со сверточными и рекуррентными нейронными сетями.

Чем полезна? Узнаете, как работать с библиотеками TensorFlow, оптимизировать структуру глубокого обучения, проводить самостоятельные исследования и эксперименты.


Машинное обучение


«Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования», Джон Д. Келлехер, Брайан Мак-Нейми, Аоифе д’Арси


Источник

Цель этого учебника — научить создавать коммерческие приложения. Авторы расскажут о самых важных подходах к анализу информации и четырех видах машинного обучения:

— информационное

— на основе сходства

— вероятностное

— на основе ошибок.

Книга подходит студентам и аспирантам, которые изучают интеллектуальный анализ информации и пригодится профессиональным разработчикам, как справочник.

Чем полезна? Авторы показывают примеры как машинное обучение помогает в бизнесе: прогнозирует цены, изучает поведение клиентов, оценивает риски и так далее. Вы поймете, как анализировать данные на разных этапах разработки приложения.


«Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем», Орельен Жерон

Источник

В книге рассказывают об исследованиях в сфере машинного обучения и как, с их помощью, создавать работающие приложения. Здесь мало теории, много примеров и два фреймворка Python. После прочтения вы разберетесь в обучающих моделях, библиотеках TensorFlow, архитектуре нейронных сетей и так далее. Еще вы поймете, как обучать глубокие нейросети.

Чем полезна? Это сборник практических советов. После каждой главы есть задания, которые помогут лучше разобраться в материале.


«Python и машинное обучение. Машинное и глубокое обучение с использованием Python, Scikit-Learn и TensorFlow. 2-е издание», Себастьян Рашка, Вахид Мирджалил


Источник

Авторы рассказывают и показывают на примерах как создавать приложения на языке Python. В новом издании есть последние исследования на эту тему. Сначала авторы говорят об алгоритмах машинного и глубокого обучения, а затем об анализе информации. Они дают теорию и объясняют, как писать код на практике. Вы поймете, как:

— прогнозировать результаты

— раскрывать скрытые шаблоны

— делать анализ рисунков и текстов.

Чем полезна? Вы узнаете про последние технологии машинного обучения, нейронных сетей и глубокого обучения.


«Руководство хакера по нейронным сетям в JavaScript», Венелин Валков


Источник

Руководство для начинающих по машинному обучению в браузере с помощью TensorFlow. Автор рассказывает, как:

— использовать машинное обучение в бизнесе

— оно помогает решать реальные проблемы

— создавать и обучать нейросети на JavaScript

— запускать модели нейросети в браузере или на Node.Js.

Чем полезна? В книге много примеров, поэтому новички разберутся в теории машинного обучения, а профессионалы найдут практические способы решить проблемы в работе.


Big data


«Основы big data: концепции, алгоритмы и технологии», Томас Эрл


Источник

Книга подходит новичкам, которые хотят разобраться в концепциях, терминах и методах больших данных. Теория подкреплена примерами, а чтобы материал был понятнее, автор использует диаграммы. Вы узнаете:

— чем big data отличается от науки о данных

— как планировать бизнес-инициативы на основе больших данных

— что такое менеджмент информации

— как использовать машинное обучение.

Чем полезна? Разберетесь зачем бизнесу обрабатывать большие данные. Узнаете какие есть технологии хранения и обработки big data. Поймете какие есть методы их анализа.


«Большие данные: важное руководство для работы, жизни и обучения в эпоху проницательности», Кеннет Кукьер, Виктор Майер-Шенбергер


Источник

Человечество научилось обрабатывать большое количество информации, и это уже начало приносить результаты. Так можно выгодно покупать авиабилеты, и даже прогнозировать пожары в зданиях и так далее. Но у больших данных есть и другая сторона: непонятно, как быть с приватностью и смогут ли люди сами принимать решения в будущем. В книге разбирают эту дилемму.

Чем полезна? Авторы рассказывают какую информацию собирают машины, и дают инструменты, которые помогут себя защитить.

Подписаться на рассылку WE project!

Мы пишем о том, что помогает сориентироваться в новом мире и выбрать то, что нужно именно вам.