Biznes IT

Interpretable Machine Learning with Python. Build explainable, fair, and robust high-performance models with hands-on, real-world examples - Second Edition

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.

Interpretable Machine Learning with Python. Learn to build interpretable high-performance models with hands-on real-world examples

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.

Introduction to Algorithms. A Comprehensive Guide for Beginners: Unlocking Computational Thinking

Cuantum Technologies LLC

Begin your journey into the fascinating world of algorithms with this comprehensive course. Starting with an introduction to the basics, you will learn about pseudocode and flowcharts, the fundamental tools for representing algorithms. As you progress, you'll delve into the efficiency of algorithms, understanding how to evaluate and optimize them for better performance. The course will also cover various basic algorithm types, providing a solid foundation for further exploration.You will explore specific categories of algorithms, including search and sort algorithms, which are crucial for managing and retrieving data efficiently. You will also learn about graph algorithms, which are essential for solving problems related to networks and relationships. Additionally, the course will introduce you to the data structures commonly used in algorithms.Towards the end, the focus shifts to algorithm design techniques and their real-world applications. You will discover various strategies for creating efficient and effective algorithms and see how these techniques are applied in real-world scenarios. By the end of the course, you will have a thorough understanding of algorithmic principles and be equipped with the skills to apply them in your technical career.

Inżynieria chaosu. Odporność systemów w praktyce

Casey Rosenthal, Nora Jones

W miarę rozwoju systemu rośnie jego złożoność. Skomplikowane systemy uważa się za trudniejsze w zarządzaniu i bardziej podatne na awarie. Nie można uniknąć złożoności systemu w czasach błyskawicznego rozwoju mikrousług i technologii rozproszonych, ale można nad nią zapanować. Odpowiednio zaplanowane testy i eksperymenty pozwalają wykryć podatności i zapobiec wystąpieniu problemów, zanim zaczną utrudniać realizację celów biznesowych firmy. Relatywnie nowym, lecz wyjątkowo obiecującym narzędziem służącym do tych celów jest inżynieria chaosu. Ta książka jest praktycznym wprowadzeniem do inżynierii chaosu w zarządzaniu złożonymi systemami podczas ich optymalizacji - zawiera gruntowne podstawy tej nowej dziedziny wraz z wyjaśnieniem zasad postępowania. Pokazuje też procesy, dzięki którym można doprowadzić do uzyskania wysokiej odporności na awarie. Opisano tu najskuteczniejsze praktyki inżynierii chaosu i poparto je licznymi przykładami. Zaprezentowano techniki testowania, eksperymentowania i wstrzykiwania awarii. Wyczerpująco omówiono znaczenie i sposoby planowania, a także zarządzania zespołami w kontekście budowania odporności złożonych systemów na awarie. Co ciekawe, zasady inżynierii chaosu mogą znaleźć zastosowanie nie tylko w odniesieniu do tworzenia i utrzymywania oprogramowania, ale również do budowania niezawodności innych złożonych systemów. Najciekawsze zagadnienia: rola inżynierii chaosu w zarządzaniu złożonością metody unikania awarii w aplikacjach, sieci i infrastrukturze rozumienie złożoności w systemach oprogramowania testy i eksperymenty w inżynierii chaosu inżynieria chaosu a optymalizacja systemów Rośnie złożoność systemu? Potrzebujemy chaosu!

Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego

Chris Fregly, Antje Barth

Platforma Amazon Web Services jest uważana za największą i najbardziej dojrzałą chmurę obliczeniową. Zapewnia bogaty zestaw specjalistycznych narzędzi ułatwiających realizację projektów z zakresu inżynierii danych i uczenia maszynowego. W ten sposób inżynierowie danych, architekci i menedżerowie mogą szybko zacząć używać danych do podejmowania kluczowych decyzji biznesowych. Uzyskanie optymalnej efektywności pracy takich projektów wymaga jednak dobrego rozeznania w możliwościach poszczególnych narzędzi, usług i bibliotek. Dzięki temu praktycznemu przewodnikowi szybko nauczysz się tworzyć i uruchamiać procesy w chmurze, a następnie integrować wyniki z aplikacjami. Zapoznasz się ze scenariuszami stosowania technik sztucznej inteligencji: przetwarzania języka naturalnego, rozpoznawania obrazów, wykrywania oszustw, wyszukiwania kognitywnego czy wykrywania anomalii w czasie rzeczywistym. Ponadto dowiesz się, jak łączyć cykle rozwoju modeli z pobieraniem i analizą danych w powtarzalnych potokach MLOps. W książce znajdziesz też zbiór technik zabezpieczania projektów i procesów z obszaru inżynierii danych, takich jak stosowanie usługi IAM, uwierzytelnianie, autoryzacja, izolacja sieci, szyfrowanie danych w spoczynku czy postkwantowe szyfrowanie sieci dla danych w tranzycie. Najciekawsze zagadnienia: narzędzia AWS związane ze sztuczną inteligencją i z uczeniem maszynowym kompletny cykl rozwoju modelu przetwarzania języka naturalnego powtarzalne potoki MLOps uczenie maszynowe w czasie rzeczywistym wykrywanie anomalii i analiza strumieni danych zabezpieczanie projektów i procesów z obszaru inżynierii danych AWS i inżynieria danych: tak zwiększysz wydajność i obniżysz koszty! Implementowanie solidnego kompletnego procesu uczenia maszynowego to żmudne zadanie, dodatkowo komplikowane przez szeroki zakres dostępnych narzędzi i technologii. Autorzy wykonali świetną robotę, a jej efekty pomogą zarówno nowicjuszom, jak i doświadczonym praktykom realizować to zadanie z wykorzystaniem możliwości, jakie dają usługi AWS Brent Rabowsky, danolog w firmie Amazon Web Services

Inżynieria oprogramowania według Google. Czego warto się nauczyć o tworzeniu oprogramowania

Titus Winters, Tom Manshreck, Hyrum Wright

Inżynieria oprogramowania jest pojęciem znacznie szerszym od kodowania: oznacza wszystkie niezbędne narzędzia i procesy stosowane przez organizację do tworzenia oprogramowania. To daje możliwość zachowania wartości kodu w dłuższej perspektywie czasu i pozwala ustanowić bardziej rygorystyczne zasady tworzenia oprogramowania, a dzięki temu sam kod jest podatniejszy na zmiany. Innymi słowy, inżynieria oprogramowania polega na optymalnym integrowaniu i organizowaniu tworzenia aplikacji ― od koncepcji, poprzez tworzenie, wdrażanie i utrzymywanie, po jej wycofywanie. To nie jest podręcznik dla programistów. Celem autorów jest zaprezentowanie jedynej w swoim rodzaju perspektywy firmy Google, od lat rozwijającej trwały ekosystem oprogramowania, co pozwoliło zebrać pożyteczne wnioski dotyczące skali działalności i czasu jej trwania. W książce zwrócono uwagę na to, że proces tworzenia oprogramowania jest wysiłkiem zespołowym, omówiono najlepsze praktyki związane z utrzymywaniem bazy kodu o dużych rozmiarach i długim stażu, pokazano także narzędzia, które mogą się okazać przydatne w jej utrzymywaniu. Omówione tu zagadnienia uwzględniają doświadczenia, jakie typowy inżynier oprogramowania zdobywa w ramach swojej pracy, służą też wskazaniu różnorodnych sposobów rozwiązywania poszczególnych problemów. Najciekawsze zagadnienia: unikatowa kultura pracy w Google procesy i narzędzia stosowane w Google metody zwiększania odporności kodu na upływ czasu wpływ skali oprogramowania na organizację pracy inżynierów kompromisy w procesie podejmowania decyzji projektowych Piszesz kod? To ważne zadanie - bierz przykład z najlepszych!

Inżynieria oprogramowania według Google. Czego warto się nauczyć o tworzeniu oprogramowania

Titus Winters, Tom Manshreck, Hyrum Wright

Inżynieria oprogramowania jest pojęciem znacznie szerszym od kodowania: oznacza wszystkie niezbędne narzędzia i procesy stosowane przez organizację do tworzenia oprogramowania. To daje możliwość zachowania wartości kodu w dłuższej perspektywie czasu i pozwala ustanowić bardziej rygorystyczne zasady tworzenia oprogramowania, a dzięki temu sam kod jest podatniejszy na zmiany. Innymi słowy, inżynieria oprogramowania polega na optymalnym integrowaniu i organizowaniu tworzenia aplikacji ― od koncepcji, poprzez tworzenie, wdrażanie i utrzymywanie, po jej wycofywanie. To nie jest podręcznik dla programistów. Celem autorów jest zaprezentowanie jedynej w swoim rodzaju perspektywy firmy Google, od lat rozwijającej trwały ekosystem oprogramowania, co pozwoliło zebrać pożyteczne wnioski dotyczące skali działalności i czasu jej trwania. W książce zwrócono uwagę na to, że proces tworzenia oprogramowania jest wysiłkiem zespołowym, omówiono najlepsze praktyki związane z utrzymywaniem bazy kodu o dużych rozmiarach i długim stażu, pokazano także narzędzia, które mogą się okazać przydatne w jej utrzymywaniu. Omówione tu zagadnienia uwzględniają doświadczenia, jakie typowy inżynier oprogramowania zdobywa w ramach swojej pracy, służą też wskazaniu różnorodnych sposobów rozwiązywania poszczególnych problemów. Najciekawsze zagadnienia: unikatowa kultura pracy w Google procesy i narzędzia stosowane w Google metody zwiększania odporności kodu na upływ czasu wpływ skali oprogramowania na organizację pracy inżynierów kompromisy w procesie podejmowania decyzji projektowych Piszesz kod? To ważne zadanie - bierz przykład z najlepszych!

Inżynieria platform dla nowoczesnych liderów. Skuteczne zarządzanie systemami i zespołami

Camille Fournier, Ian Nowland, Nicole Forsgren

Czy radzisz sobie z zarządzaniem kodem, narzędziami i infrastrukturą użytkowaną przez wiele zespołów? Próby rozwiązania tego problemu trwają od ćwierćwiecza, nierzadko jednak ignoruje się potrzeby użytkowników i nie zapewnia wymaganej niezawodności. Efekt? Totalny chaos i przytłaczające złożonością systemy. A przecież można inaczej: oto inżynieria platform! Inżynieria platform to sport zespołowy. A to jest Twój plan gry! Kelsey Hightower, współautor książki Kubernetes. Tworzenie niezawodnych systemów rozproszonych Ten praktyczny przewodnik docenią głównie inżynierowie, menedżerzy, menedżerzy produktu i liderzy. Jego treść wykracza poza aspekty programistyczne, prezentując zalety całościowego myślenia o infrastrukturze, a więc szerszego planowania i uwzględniania kwestii administracji systemami. Dzięki książce poznasz odpowiedzi na kluczowe pytania: kiedy powołać projekt wytwarzania platformy, jak zorganizować zespół zajmujący się platformą, co odróżnia planowanie platformy od innych, pozornie podobnych inicjatyw. Znajdziesz tu też przydatne wskazówki, z których możesz skorzystać na każdym etapie wdrażania i stosowania podejścia opartego na inżynierii platform. Najważniejsze zagadnienia: platforma jako produkt dla deweloperów rola i granice działania zespołów inżynierii platform wprowadzanie inżynierii platform w organizacji wyzwania związane ze skalowaniem platform najlepsze praktyki lidera zespołów inżynierii platform Platforma to organizm, a jego sercem jest zespół!

Inżynieria platform dla nowoczesnych liderów. Skuteczne zarządzanie systemami i zespołami

Camille Fournier, Ian Nowland, Nicole Forsgren

Czy radzisz sobie z zarządzaniem kodem, narzędziami i infrastrukturą użytkowaną przez wiele zespołów? Próby rozwiązania tego problemu trwają od ćwierćwiecza, nierzadko jednak ignoruje się potrzeby użytkowników i nie zapewnia wymaganej niezawodności. Efekt? Totalny chaos i przytłaczające złożonością systemy. A przecież można inaczej: oto inżynieria platform! Inżynieria platform to sport zespołowy. A to jest Twój plan gry! Kelsey Hightower, współautor książki Kubernetes. Tworzenie niezawodnych systemów rozproszonych Ten praktyczny przewodnik docenią głównie inżynierowie, menedżerzy, menedżerzy produktu i liderzy. Jego treść wykracza poza aspekty programistyczne, prezentując zalety całościowego myślenia o infrastrukturze, a więc szerszego planowania i uwzględniania kwestii administracji systemami. Dzięki książce poznasz odpowiedzi na kluczowe pytania: kiedy powołać projekt wytwarzania platformy, jak zorganizować zespół zajmujący się platformą, co odróżnia planowanie platformy od innych, pozornie podobnych inicjatyw. Znajdziesz tu też przydatne wskazówki, z których możesz skorzystać na każdym etapie wdrażania i stosowania podejścia opartego na inżynierii platform. Najważniejsze zagadnienia: platforma jako produkt dla deweloperów rola i granice działania zespołów inżynierii platform wprowadzanie inżynierii platform w organizacji wyzwania związane ze skalowaniem platform najlepsze praktyki lidera zespołów inżynierii platform Platforma to organizm, a jego sercem jest zespół!

IT Product Manager. Pierwsze kroki

Dawid Pacholczyk

Zacznij zarządzać produktem jak prawdziwy profesjonalista! Jak wejść w rolę kierownika produktu i na czym ona polega? Co należy wiedzieć o procesie budowania produktu? Jak poradzić sobie z wprowadzaniem go na rynek? Po czym poznać, czy produkt odniósł sukces? Rola lidera produktu jest wyjątkowa. Trzeba się wykazać szeroką gamą talentów i umiejętności. Obowiązkiem lidera jest kreowanie wizji i strategii produktu, tworzenie zespołu produktowego oraz kierowanie nim, wreszcie - eksperymentowanie, sprawdzanie, ryzykowanie! Sukces lub porażka leżą w rękach lidera. Zarządzanie produktem to trudna sztuka, której opanowanie może jednak dać wiele satysfakcji i... przynieść całkiem niezłe pieniądze. Jeśli zastanawiasz się nad wyborem nowej, interesującej ścieżki kariery, stoisz przed wyzwaniami przekraczającymi zwykłe kompetencje kierownika projektu czy lidera zespołu albo zostałeś właśnie osobą odpowiedzialną za opracowanie nowego produktu lub rozwój już istniejącego, nie mogłeś trafić lepiej! Ta książka - jak żadna inna - sprawnie przeprowadzi Cię przez meandry zarządzania produktem. Pokaże, na co trzeba zwracać szczególną uwagę, kiedy zaczyna się przygodę z tą dziedziną, a także ostrzeże przed sytuacjami, których należy za wszelką cenę unikać. W przystępny sposób podpowie, co robić, aby odnieść sukces i ustrzec się typowych błędów popełnianych przez początkujących. Pomoże Ci zdobyć niezbędne doświadczenie i stać się prawdziwym kierownikiem produktu. W książce znajdziesz: Znaczenie i zakres odpowiedzialności kierownika produktu Rozpoczęcie kariery product managera Środowisko pracy i przydatne narzędzia Cykl życia produktu i fazy jego tworzenia Projektowanie, planowanie i budowanie produktu Analiza rynku i tworzenie prototypów Wdrażanie użytkowników i strategia komunikacji Zbieranie i analizowanie informacji zwrotnych Poznaj tajniki product managementu!