Biznes IT
Andreas M. Antonopoulos, Olaoluwa Osuntokun, René Pickhardt
Potencjał blockchainu jest ogromny i zapewne wciąż nie znamy wszystkich jego możliwych zastosowań. Jest to dosyć nowa, dynamicznie rozwijająca się technologia, jednak już teraz dostrzegalne są pewne jej ograniczenia. Problemem jest na przykład skalowalność Bitcoina. Rozwiązaniem wydaje się Lightning Network (LN), protokół drugiej warstwy, który zapewnia niemal natychmiastowe transakcje w systemie Bitcoin. Umożliwia on również zwiększenie szybkości i prywatności zawieranych transakcji, pozwalając przy tym na zmniejszenie opłat. Ta książka jest przeznaczona dla osób, które chcą zrozumieć działanie Lightning Network i wykorzystać możliwości tej technologii we własnych aplikacjach. Z lektury tej pozycji skorzystają programiści, architekci systemowi i inżynierowie. Omówiono w niej podstawy funkcjonowania sieci LN i sposoby jej użycia w praktyce. Przedstawiono również zasady oprogramowywania węzłów Lightning, ich implementacji i konfiguracji, a także zagadnienia budowania kanałów płatności w systemie Bitcoin, obsługi kanałów i przekazywania płatności. Zaprezentowano też informacje dotyczące bezpieczeństwa i prywatności w sieci Lightning Network. Poszczególne zagadnienia zilustrowano praktycznymi przykładami kodu w językach Go, C++, Python oraz przy użyciu wiersza poleceń uniksowych systemów operacyjnych. W książce między innymi: technologia Lightning Network a skalowanie blockchainu standardy stosowane w Lightning Network warstwy zestawu protokołów Lightning Network portfele i węzły oraz ich obsługa kanały płatności Lightning, routing cebulowy i protokół plotkarski kanały płatności od nadawcy do odbiorcy w trybie off-chain Poznaj potencjał LN i zostań mistrzem technologii przyszłości!
Andreas M. Antonopoulos, Olaoluwa Osuntokun, René Pickhardt
Potencjał blockchainu jest ogromny i zapewne wciąż nie znamy wszystkich jego możliwych zastosowań. Jest to dosyć nowa, dynamicznie rozwijająca się technologia, jednak już teraz dostrzegalne są pewne jej ograniczenia. Problemem jest na przykład skalowalność Bitcoina. Rozwiązaniem wydaje się Lightning Network (LN), protokół drugiej warstwy, który zapewnia niemal natychmiastowe transakcje w systemie Bitcoin. Umożliwia on również zwiększenie szybkości i prywatności zawieranych transakcji, pozwalając przy tym na zmniejszenie opłat. Ta książka jest przeznaczona dla osób, które chcą zrozumieć działanie Lightning Network i wykorzystać możliwości tej technologii we własnych aplikacjach. Z lektury tej pozycji skorzystają programiści, architekci systemowi i inżynierowie. Omówiono w niej podstawy funkcjonowania sieci LN i sposoby jej użycia w praktyce. Przedstawiono również zasady oprogramowywania węzłów Lightning, ich implementacji i konfiguracji, a także zagadnienia budowania kanałów płatności w systemie Bitcoin, obsługi kanałów i przekazywania płatności. Zaprezentowano też informacje dotyczące bezpieczeństwa i prywatności w sieci Lightning Network. Poszczególne zagadnienia zilustrowano praktycznymi przykładami kodu w językach Go, C++, Python oraz przy użyciu wiersza poleceń uniksowych systemów operacyjnych. W książce między innymi: technologia Lightning Network a skalowanie blockchainu standardy stosowane w Lightning Network warstwy zestawu protokołów Lightning Network portfele i węzły oraz ich obsługa kanały płatności Lightning, routing cebulowy i protokół plotkarski kanały płatności od nadawcy do odbiorcy w trybie off-chain Poznaj potencjał LN i zostań mistrzem technologii przyszłości!
Andreas M. Antonopoulos, Olaoluwa Osuntokun, René Pickhardt
Potencjał blockchainu jest ogromny i zapewne wciąż nie znamy wszystkich jego możliwych zastosowań. Jest to dosyć nowa, dynamicznie rozwijająca się technologia, jednak już teraz dostrzegalne są pewne jej ograniczenia. Problemem jest na przykład skalowalność Bitcoina. Rozwiązaniem wydaje się Lightning Network (LN), protokół drugiej warstwy, który zapewnia niemal natychmiastowe transakcje w systemie Bitcoin. Umożliwia on również zwiększenie szybkości i prywatności zawieranych transakcji, pozwalając przy tym na zmniejszenie opłat. Ta książka jest przeznaczona dla osób, które chcą zrozumieć działanie Lightning Network i wykorzystać możliwości tej technologii we własnych aplikacjach. Z lektury tej pozycji skorzystają programiści, architekci systemowi i inżynierowie. Omówiono w niej podstawy funkcjonowania sieci LN i sposoby jej użycia w praktyce. Przedstawiono również zasady oprogramowywania węzłów Lightning, ich implementacji i konfiguracji, a także zagadnienia budowania kanałów płatności w systemie Bitcoin, obsługi kanałów i przekazywania płatności. Zaprezentowano też informacje dotyczące bezpieczeństwa i prywatności w sieci Lightning Network. Poszczególne zagadnienia zilustrowano praktycznymi przykładami kodu w językach Go, C++, Python oraz przy użyciu wiersza poleceń uniksowych systemów operacyjnych. W książce między innymi: technologia Lightning Network a skalowanie blockchainu standardy stosowane w Lightning Network warstwy zestawu protokołów Lightning Network portfele i węzły oraz ich obsługa kanały płatności Lightning, routing cebulowy i protokół plotkarski kanały płatności od nadawcy do odbiorcy w trybie off-chain Poznaj potencjał LN i zostań mistrzem technologii przyszłości!
Logo Design Love. Tworzenie genialnych logotypów. Nowa odsłona
David Airey
Twórz logotypy, które rzucają na kolana! Jak czerpać od najlepszych i zachować oryginalność? Gdzie szukać twórczych inspiracji? Jak negocjować z klientami? Logo to jeden z kluczowych elementów tożsamości wizualnej każdej marki. Może pomóc jej osiągnąć szczyt popularności albo zepchnąć ją w otchłań niebytu. Wszystko zależy od Ciebie. Dlatego zanim otworzysz jakikolwiek program graficzny lub weźmiesz do ręki ołówek, zobacz, jak robią to najlepsi, i zaczerpnij wiedzę całymi garściami. Powraca kultowa książka, którą pokochali wszyscy kreatywni projektanci! W wydaniu drugim, zaktualizowanym i rozszerzonym, autor otwiera przed Tobą fascynujący świat wizualnej identyfikacji marki. Pozwól mu przeprowadzić się bezpiecznie przez wszystkie etapy projektowania. Znajdziesz tu jeszcze więcej analiz przypadków, szkiców, logotypów, wskazówek dotyczących współpracy z klientami, anegdot oraz praktycznych informacji o tym, jak skutecznie zamknąć projekt - i zrobić to dobrze. Ta książka da także solidnego kopa Twojemu zmysłowi twórczemu i pomoże uniknąć zabójczej rutyny. Proces tworzenia logo - od ołówka do PDF-a. Zasady wyceniania projektów. Sztuka prowadzenia rozmów z klientami. Rozwiązywanie problemów z brakiem oryginalności. Analiza kultowych projektów. Unikanie zagrożeń związanych z rebrandingiem. Pomiary zwrotu z inwestycji w projekt. Tworzenie trwałych wizerunków marki w 31 praktycznych wskazówkach. Zrób logo, które stanie się kultowe! David Airey - niezależny projektant graficzny z Irlandii Północnej. Swoje umiejętności szlifował w Wielkiej Brytanii i Stanach Zjednoczonych, po czym podjął decyzję o wyspecjalizowaniu się w projektowaniu wizerunku marki. Poświęcone projektowaniu graficznemu blogi Davida - davidairey.com, logodesignlove.com oraz identitydesigned.com - każdego miesiąca odwiedza ponad 600 tysięcy internautów. Lista klientów Davida obejmuje wiele znanych firm, takich jak Yellow Pages, Asian Development Bank, blinkbox czy BBC.
Giuseppe Bonaccorso
Machine learning has gained tremendous popularity for its powerful and fast predictions with large datasets. However, the true forces behind its powerful output are the complex algorithms involving substantial statistical analysis that churn large datasets and generate substantial insight.This second edition of Machine Learning Algorithms walks you through prominent development outcomes that have taken place relating to machine learning algorithms, which constitute major contributions to the machine learning process and help you to strengthen and master statistical interpretation across the areas of supervised, semi-supervised, and reinforcement learning. Once the core concepts of an algorithm have been covered, you’ll explore real-world examples based on the most diffused libraries, such as scikit-learn, NLTK, TensorFlow, and Keras. You will discover new topics such as principal component analysis (PCA), independent component analysis (ICA), Bayesian regression, discriminant analysis, advanced clustering, and gaussian mixture.By the end of this book, you will have studied machine learning algorithms and be able to put them into production to make your machine learning applications more innovative.
Giuseppe Bonaccorso
Machine learning has gained tremendous popularity for its powerful and fast predictions with large datasets. However, the true forces behind its powerful output are the complex algorithms involving substantial statistical analysis that churn large datasets and generate substantial insight.This second edition of Machine Learning Algorithms walks you through prominent development outcomes that have taken place relating to machine learning algorithms, which constitute major contributions to the machine learning process and help you to strengthen and master statistical interpretation across the areas of supervised, semi-supervised, and reinforcement learning. Once the core concepts of an algorithm have been covered, you’ll explore real-world examples based on the most diffused libraries, such as scikit-learn, NLTK, TensorFlow, and Keras. You will discover new topics such as principal component analysis (PCA), independent component analysis (ICA), Bayesian regression, discriminant analysis, advanced clustering, and gaussian mixture.By the end of this book, you will have studied machine learning algorithms and be able to put them into production to make your machine learning applications more innovative.
Gregory Keys, David Whiting
H2O is an open source, fast, and scalable machine learning framework that allows you to build models using big data and then easily productionalize them in diverse enterprise environments.Machine Learning at Scale with H2O begins with an overview of the challenges faced in building machine learning models on large enterprise systems, and then addresses how H2O helps you to overcome them. You’ll start by exploring H2O’s in-memory distributed architecture and find out how it enables you to build highly accurate and explainable models on massive datasets using your favorite ML algorithms, language, and IDE. You’ll also get to grips with the seamless integration of H2O model building and deployment with Spark using H2O Sparkling Water. You’ll then learn how to easily deploy models with H2O MOJO. Next, the book shows you how H2O Enterprise Steam handles admin configurations and user management, and then helps you to identify different stakeholder perspectives that a data scientist must understand in order to succeed in an enterprise setting. Finally, you’ll be introduced to the H2O AI Cloud platform and explore the entire machine learning life cycle using multiple advanced AI capabilities.By the end of this book, you’ll be able to build and deploy advanced, state-of-the-art machine learning models for your business needs.
Dario Radečić
The automation of machine learning tasks allows developers more time to focus on the usability and reactivity of the software powered by machine learning models. TPOT is a Python automated machine learning tool used for optimizing machine learning pipelines using genetic programming. Automating machine learning with TPOT enables individuals and companies to develop production-ready machine learning models cheaper and faster than with traditional methods.With this practical guide to AutoML, developers working with Python on machine learning tasks will be able to put their knowledge to work and become productive quickly. You'll adopt a hands-on approach to learning the implementation of AutoML and associated methodologies. Complete with step-by-step explanations of essential concepts, practical examples, and self-assessment questions, this book will show you how to build automated classification and regression models and compare their performance to custom-built models. As you advance, you'll also develop state-of-the-art models using only a couple of lines of code and see how those models outperform all of your previous models on the same datasets.By the end of this book, you'll have gained the confidence to implement AutoML techniques in your organization on a production level.
Andrew P. McMahon, Adi Polak
The Second Edition of Machine Learning Engineering with Python is the practical guide that MLOps and ML engineers need to build solutions to real-world problems. It will provide you with the skills you need to stay ahead in this rapidly evolving field.The book takes an examples-based approach to help you develop your skills and covers the technical concepts, implementation patterns, and development methodologies you need. You'll explore the key steps of the ML development lifecycle and create your own standardized model factory for training and retraining of models. You'll learn to employ concepts like CI/CD and how to detect different types of drift.Get hands-on with the latest in deployment architectures and discover methods for scaling up your solutions. This edition goes deeper in all aspects of ML engineering and MLOps, with emphasis on the latest open-source and cloud-based technologies. This includes a completely revamped approach to advanced pipelining and orchestration techniques.With a new chapter on deep learning, generative AI, and LLMOps, you will learn to use tools like LangChain, PyTorch, and Hugging Face to leverage LLMs for supercharged analysis. You will explore AI assistants like GitHub Copilot to become more productive, then dive deep into the engineering considerations of working with deep learning.
Joshua Arvin Lat
Recent advancements in generative AI, large language models (LLMs), Retrieval-Augmented Generation (RAG), and AI agents have created a soaring demand for machine learning engineers who can build, manage, and scale modern AI-powered systems. To stay ahead in this rapidly evolving AI landscape, you need a deep theoretical understanding as well as hands-on expertise with the right tools, services, and platforms.Machine Learning Engineering on AWS is a practical guide that teaches you how to harness AWS services such as Amazon Bedrock and the next generation of Amazon SageMaker to build, optimize, and manage production-ready ML systems. You’ll learn how to build RAG-powered GenAI applications, automate LLMOps workflows, develop reliable and responsible AI agents, and optimize a managed transactional data lake. The book also covers proven deployment and evaluation strategies for dealing with various models, along with practical examples to help you manage, troubleshoot, and optimize ML systems running on AWS.Guided by AWS Machine Learning Hero Joshua Arvin Lat, you’ll be able to grasp complex ML concepts with clarity and gain the confidence to operationalize and secure GenAI applications on AWS to meet a wide variety of ML engineering requirements.
Natu Lauchande
MLflow is a platform for the machine learning life cycle that enables structured development and iteration of machine learning models and a seamless transition into scalable production environments.This book will take you through the different features of MLflow and how you can implement them in your ML project. You will begin by framing an ML problem and then transform your solution with MLflow, adding a workbench environment, training infrastructure, data management, model management, experimentation, and state-of-the-art ML deployment techniques on the cloud and premises. The book also explores techniques to scale up your workflow as well as performance monitoring techniques. As you progress, you’ll discover how to create an operational dashboard to manage machine learning systems. Later, you will learn how you can use MLflow in the AutoML, anomaly detection, and deep learning context with the help of use cases. In addition to this, you will understand how to use machine learning platforms for local development as well as for cloud and managed environments. This book will also show you how to use MLflow in non-Python-based languages such as R and Java, along with covering approaches to extend MLflow with Plugins.By the end of this machine learning book, you will be able to produce and deploy reliable machine learning algorithms using MLflow in multiple environments.