Opanuj skuteczne, gotowe do użycia rozwiązania biznesowe dla sztucznej inteligencji i uczenia maszynowego AI podejście pragmatyczne pomaga rozwiązywać praktyczne problemy przy użyciu nowoczesnego uczenia maszynowego, sztucznej inteligencji i chmurowych narzędzi obliczeniowych. Noah Gift demistyfikuje wszelkie koncepcje i narzędzia potrzebne do osiągnięcia wyników nawet jeśli Czytelnik nie ma solidnego przygotowania z matematyki lub data science. Autor wyjaśnia skuteczne, gotowe do użycia rozwiązania udostępniane przez Amazon, Google i Microsoft oraz demonstruje sprawdzone techniki wykorzystujące ekosystem analizy danych oparty na języku Python. Proponowane podejścia i przykłady pomagają ukierunkować i uprościć każdy krok od wdrożenia po produkcję i budować rozwiązania o niezwykłych możliwościach skalowania. W miarę poznawania działania rozwiązań Machine Language (ML) będziesz uzyskiwać coraz bardziej intuicyjne zrozumienie tego, co można dzięki nim osiągnąć i jak zmaksymalizować ich wartość. Na tych podstawach autor krok po kroku prezentuje budowanie chmurowych aplikacji AI/ML do rozwiązywania realistycznych problemów w dziedzinie marketingu, zarządzania projektami, wyceniania produktów, nieruchomości i dużo więcej. Bez względu na to, czy jesteś profesjonalistą biznesowym, osobą decyzyjną, studentem czy programistą, eksperckie wskazówki autora i rozbudowane analizy przypadków przygotują cię do rozwiązywania problemów data science w niemal dowolnym środowisku. Uzyskaj i skonfiguruj wszystkie potrzebne narzędzia Szybko przejrzyj wszystkie funkcjonalności Pythona, których potrzebujesz do budowania aplikacji uczenia maszynowego Opanuj narzędzia AI i ML oraz cykl życia projektu Korzystaj z narzędzi analitycznych Pythona, takich jak IPython, Pandas, Numpy, Juypter Notebook i Sklearn Dołącz pragmatyczną pętlę zwrotną, która pozwoli nieustannie poprawiać wydajność naszych procedur i systemów Projektuj chmurowe rozwiązania AI oparte na Google Cloud Platform, uwzględniając usługi TPU, Colaboratory i Datalab Definiuj chmurowe przepływy pracy w Amazon Web Services, w tym wystąpienia punktowe, potoki kodu i inne Pracuj z API sztucznej inteligencji w Microsoft Azure Poznaj budowanie sześciu rzeczywistych aplikacji AI od początku do końca