Biznes IT
Inteligentna sieć. Algorytmy przyszłości. Wydanie II
Douglas McIlwraith, Haralambos Marmanis, Dmitry Babenko
Określenie „inteligentna sieć” może przywodzić na myśl futurystyczną wizję maszyn przejmujących kontrolę nad światem i niszczących ludzkość, jednak w rzeczywistości jest związane z rozwojem technologii. Związane jest z powstawaniem oprogramowania, które potrafi się uczyć i reagować na zachowania użytkowników. Oznacza też projektowanie i implementację inteligencji maszynowej. Inteligentna sieć rozwija się tu i teraz — znajomość zagadnień uczenia maszynowego i budowy inteligentnych algorytmów staje się bardzo potrzebna inżynierom oprogramowania! Niniejsza książka jest przeznaczona dla osób, które chcą projektować inteligentne algorytmy, a przy tym mają podstawy z zakresu programowania, matematyki i statystyki. Przedstawiono tu schematy projektowe i praktyczne przykłady rozwiązań. Opisano algorytmy, które przetwarzają strumienie danych pochodzące z internetu, a także systemy rekomendacji i klasyfikowania danych za pomocą algorytmów statystycznych, sieci neuronowych i uczenia głębokiego. Mimo że przyswojenie tych zagadnień wymaga wysiłku, bardzo ułatwi implementację nowoczesnych, inteligentnych aplikacji! W tej książce między innymi: wprowadzenie do problemów algorytmów inteligentnych systemy rekomendacji i filtrowanie kolaboratywne wykorzystanie regresji logistycznej do wykrywania oszustw uczenie głębokie, uczenie na żywo i renesans sieci neuronowych podejmowanie decyzji perspektywy inteligentnej sieci Inteligentny algorytm wyławia perły w strumieniach danych! Dr Douglas McIlwraith jest ekspertem w dziedzinie uczenia maszynowego. Zajmuje się analizą danych w londyńskiej agencji reklamowej. Prowadził badania w dziedzinach systemów rozproszonych, robotyki i zabezpieczeń. Dr Haralambos Marmanis jest pionierem w obszarze technik uczenia maszynowego w rozwiązaniach przemysłowych. Od 25 lat rozwija profesjonalne oprogramowanie. Dmitry Babenko projektuje złożone systemy dla firm z takich branż, jak bankowość, ubezpieczenia, zarządzanie łańcuchem dostaw i analityka biznesowa.
Santanu Pattanayak, Manohar Swamynathan
This book will be a perfect companion if you want to build insightful projects from leading AI domains using Python.The book covers detailed implementation of projects from all the core disciplines of AI. We start by covering the basics of how to create smart systems using machine learning and deep learning techniques. You will assimilate various neural network architectures such as CNN, RNN, LSTM, to solve critical new world challenges. You will learn to train a model to detect diabetic retinopathy conditions in the human eye and create an intelligent system for performing a video-to-text translation. You will use the transfer learning technique in the healthcare domain and implement style transfer using GANs. Later you will learn to build AI-based recommendation systems, a mobile app for sentiment analysis and a powerful chatbot for carrying customer services. You will implement AI techniques in the cybersecurity domain to generate Captchas. Later you will train and build autonomous vehicles to self-drive using reinforcement learning. You will be using libraries from the Python ecosystem such as TensorFlow, Keras and more to bring the core aspects of machine learning, deep learning, and AI.By the end of this book, you will be skilled to build your own smart models for tackling any kind of AI problems without any hassle.
Indraneel (Neel) Mitra, Ryan Burke
The Internet of Things (IoT) has transformed how people think about and interact with the world. The ubiquitous deployment of sensors around us makes it possible to study the world at any level of accuracy and enable data-driven decision-making anywhere. Data analytics and machine learning (ML) powered by elastic cloud computing have accelerated our ability to understand and analyze the huge amount of data generated by IoT. Now, edge computing has brought information technologies closer to the data source to lower latency and reduce costs.This book will teach you how to combine the technologies of edge computing, data analytics, and ML to deliver next-generation cyber-physical outcomes. You’ll begin by discovering how to create software applications that run on edge devices with AWS IoT Greengrass. As you advance, you’ll learn how to process and stream IoT data from the edge to the cloud and use it to train ML models using Amazon SageMaker. The book also shows you how to train these models and run them at the edge for optimized performance, cost savings, and data compliance.By the end of this IoT book, you’ll be able to scope your own IoT workloads, bring the power of ML to the edge, and operate those workloads in a production setting.
Internet a prawo - jak się nie potknąć? Poradnik dla twórców
Tomasz Palak
Jak nie wywalić się o paragraf Jeżeli jesteś aktywny online, szczególnie jeśli zarabiasz w świecie wirtualnym, musisz być czujny. I świadomy tego, co wolno, a czego absolutnie nie można robić z cudzym dziełem. Niektóre kwestie są oczywiste: nie należy kopiować, posługiwać się bez zgody właściciela jego znakiem towarowym, obrażać. To wiadomo. Inne rzeczy, pozostające na granicy prawa i bezprawia, a notorycznie zdarzające się w sieci, nie są już tak jasne. Bo czy wolno na przykład przerobić udostępnione przez kogoś zdjęcie na mem? Czy można wyprzedzić właściciela popularnego nazwiska i zarejestrować sobie pod nim domenę internetową? Albo czy dopuszczalne jest linkowanie wszystkiego z dowolnej strony WWW? Tomasz Palak, radca prawny, bloger i entuzjasta e-świata, uważa, że prawa w sieci najlepiej uczyć się na błędach. Oczywiście raczej cudzych niż własnych. W książce przytacza więc rozmaite historie, które przydarzyły się autentycznym osobom oraz markom i w błyskotliwy, a zarazem prosty do zrozumienia sposób wyjaśnia, kto popełnił błąd. Pisze, na czym on polega, i podpowiada, co zrobić, by tego błędu (a co za tym idzie - kłopotów i odszkodowania) uniknąć.
Internet możliwości. O tym, jak wypromować firmę i zarabiać więcej, pracując mniej
Weronika Modzelewska
Twoi klienci czekają na Ciebie w sieci. Czy wiesz, jak do nich dotrzeć? Nasze życie w dużym stopniu toczy się w internecie. Także interesy załatwiamy w sieci ― tu poszukujemy produktów i usług, opinii o nich i miejsc, w których możemy zaspokoić daną potrzebę. E-zakupy stają się codziennością. Przedsiębiorcy, świadomi preferencji zakupowych Polaków, dostosowują się do ich oczekiwań. Nowe sklepy on-line wyrastają jak grzyby po deszczu. Zbudować taki sklep można stosunkowo prosto, wystarczy skorzystać z ogólnie dostępnej technologii, gotowych szablonów i oprogramowania, a także pomocy doświadczonego informatyka. Gorzej z wypromowaniem tej działalności. Dlaczego ludzie mieliby odwiedzić nowe, nieznane im miejsce w sieci i zrobić zakupy u sprzedawcy, który nie ma jeszcze żadnych opinii w social mediach? Gdzie się ogłaszać w sieci? Jak wypromować e-sklep? Na których platformach internetowych warto działać? W jaki sposób zidentyfikować potencjalnych e-klientów i jak się uwiarygodnić w ich oczach? Odpowiedzi na te i inne pytania znajdziesz w książce Weroniki Modzelewskiej, która na co dzień działa jako @przystanekinternet i uczy, jak w social mediach pracować mniej, a zarabiać więcej.
Serg Masís, Aleksander Molak, Denis Rothman
Interpretable Machine Learning with Python, Second Edition, brings to light the key concepts of interpreting machine learning models by analyzing real-world data, providing you with a wide range of skills and tools to decipher the results of even the most complex models.Build your interpretability toolkit with several use cases, from flight delay prediction to waste classification to COMPAS risk assessment scores. This book is full of useful techniques, introducing them to the right use case. Learn traditional methods, such as feature importance and partial dependence plots to integrated gradients for NLP interpretations and gradient-based attribution methods, such as saliency maps.In addition to the step-by-step code, you’ll get hands-on with tuning models and training data for interpretability by reducing complexity, mitigating bias, placing guardrails, and enhancing reliability.By the end of the book, you’ll be confident in tackling interpretability challenges with black-box models using tabular, language, image, and time series data.
Serg Masís
Do you want to gain a deeper understanding of your models and better mitigate poor prediction risks associated with machine learning interpretation? If so, then Interpretable Machine Learning with Python deserves a place on your bookshelf.We’ll be starting off with the fundamentals of interpretability, its relevance in business, and exploring its key aspects and challenges. As you progress through the chapters, you'll then focus on how white-box models work, compare them to black-box and glass-box models, and examine their trade-off. You’ll also get you up to speed with a vast array of interpretation methods, also known as Explainable AI (XAI) methods, and how to apply them to different use cases, be it for classification or regression, for tabular, time-series, image or text. In addition to the step-by-step code, this book will also help you interpret model outcomes using examples. You’ll get hands-on with tuning models and training data for interpretability by reducing complexity, mitigating bias, placing guardrails, and enhancing reliability. The methods you’ll explore here range from state-of-the-art feature selection and dataset debiasing methods to monotonic constraints and adversarial retraining.By the end of this book, you'll be able to understand ML models better and enhance them through interpretability tuning.
Connor S Riley
A strong engineering team is the backbone of any technical company, and smart managers are always looking to hire top talent. Recruiting and interviewing engineers in a smart way is essential to the growth of your team and your company. In this saturated hiring market, your positions must stand out among the big name companies, and your hiring processes must be rigorous, fair and efficient.This comprehensive guide will show you how to hire outstanding technical employees. With its step-by-step instructions and examples, Interviewing Engineering Graduates will take you all the way through the process, from attracting great candidates to making hiring decisions with confidence.Hiring engineers is a complex, expensive and crucial process. This book will get you organized quickly and prepare you to make the right decisions every step of the way. First, you’ll see how to market your open jobs effectively through writing amazing job descriptions, and selling your company to top engineers so that you get the best applicants. You’ll then learn to narrow the field by identifying the best resumes. Using our tips, tricks and templates, you can design, plan and prepare thoroughly for smooth running, multi-stage assessments and interviews. Finally, you’ll easily identify which engineers will be top performers for your company, get your whole team involved in the hiring decision, and clinch that final offer!