Analityka biznesowa wspomagana sztuczną inteligencją. Ulepszanie prognoz i podejmowania decyzji za pomocą uczenia maszynowego

Tobias Zwingman

Wykorzystaj analizy biznesowe i sztuczną inteligencję, aby napędzać rozwój przedsiębiorstwa, podnosić wydajność i ulepszać podejmowanie decyzji biznesowych. Dzięki tej praktycznej książce z rzeczywistymi przykładami wykorzystującymi Power BI można poznać najbardziej odpowiednie przypadki użycia AI w rozwiązaniach BI, w tym ulepszone prognozowanie, zautomatyzowaną klasyfikację i zalecenia wspomagane przez AI. Ponadto nauczysz się, jak wydobywać spostrzeżenia z niestrukturalnych źródeł danych, takich jak dokumenty tekstowe lub pliki obrazów. Tobias Zwingmann pomaga profesjonalistom BI, analitykom biznesowym i specjalistom od danych rozpoznać obszary, w których sztuczna inteligencja ma szczególnie istotny wpływ. Dowiedz się, jak wykorzystać popularne platformy AI jako usługi oraz AutoML, aby tworzyć dowody koncepcji klasy korporacyjnej bez pomocy inżynierów oprogramowania lub danetyków. •  Wykorzystaj AI, aby napędzać wpływ na biznes w środowiskach BI •  Używaj AutoML do automatycznego klasyfikowania i lepszego prognozowania •  Wdrażaj usługi rekomendacji jako pomoc w podejmowaniu decyzji •  Wydobywaj spostrzeżenia z wielkoskalowych danych tekstowych za pomocą przetwarzania języka naturalnego •  Wyodrębniaj informacje z dokumentów i obrazów, wykorzystując widzenie komputerowe •  Buduj interaktywne interfejsy użytkownika dla tablic kontrolnych wspomaganych przez AI •  Implementuj kompletne studia przypadków w celu budowania tablic analitycznych zasilanych przez AI   „Po 15 latach spędzonych w świecie danych książka ta wywróciła do góry nogami mój ogląd klasycznego rozwiązania BI. Jest doskonale zaprojektowana i skonstruowana. Szkoda, że nie miałem takiej książki dużo wcześniej.” —Kai Aschenbach Szef działu narzędzi BI, HDI Global SE „Analityka biznesowa wspomagana sztuczną inteligencją to książka niezbędna dla każdego, kto chce zrozumieć, jak można usprawnić analizy biznesowe za pomocą AI.” —Ram Kumar Główny specjalista d/s danych i analityki, Cigna Tobias Zwingmann jest doświadczonym danetykiem z solidnymi podstawami biznesowymi. Jest współtwórcą niemieckiego startupu RAPYD.AI, którego misją jest pomoc w adaptowaniu uczenia maszynowego i sztucznej inteligencji przez firmy z szybszym uzyskiwaniem korzyści biznesowych.

Android: Game Programming. A Developer's Guide

Raul Portales, John Horton

Gaming has historically been a strong driver of technology, whether we’re talking about hardware or software performance, the variety of input methods, or graphics support and the Android game platform is no different. Android is a mature, yet still growing, platform that many game developers have embraced as it provides tools, APIs, and services to help bootstrap Android projects and ensure their success, many of which are specially designed to help game developers.Since Android uses one of the most popular programming languages, Java, as the primary language to build apps of all types, you will start this course by first obtaining a solid grasp of the Java language and its foundation APIs. This will improve your chances of succeeding as an Android app developer. We will show you how to get your Android development environment set up and you will soon have your first working game.The course covers all the aspects of game development through various engrossing and insightful game projects. You will learn all about frame-by-frame animations and resource animations using a space shooter game, create beautiful and responsive menus and dialogs, and explore the different options to play sound effects and music in Android. You will also learn the basics of creating a particle system and will see how to use the Leonids library. By the end of the course, you will be able to configure and use Google Play Services on the developer console and port your game to the big screen.This Learning Path combines some of the best that Packt has to offer in one complete, curated package. It includes content from the following Packt products:? Learning Java by Building Android Games by John Horton? Android Game Programming by Example by John Horton? Mastering Android Game Development by Raul Portales

Applied Machine Learning Explainability Techniques. Make ML models explainable and trustworthy for practical applications using LIME, SHAP, and more

Aditya Bhattacharya

Explainable AI (XAI) is an emerging field that brings artificial intelligence (AI) closer to non-technical end users. XAI makes machine learning (ML) models transparent and trustworthy along with promoting AI adoption for industrial and research use cases.Applied Machine Learning Explainability Techniques comes with a unique blend of industrial and academic research perspectives to help you acquire practical XAI skills. You'll begin by gaining a conceptual understanding of XAI and why it's so important in AI. Next, you'll get the practical experience needed to utilize XAI in AI/ML problem-solving processes using state-of-the-art methods and frameworks. Finally, you'll get the essential guidelines needed to take your XAI journey to the next level and bridge the existing gaps between AI and end users.By the end of this ML book, you'll be equipped with best practices in the AI/ML life cycle and will be able to implement XAI methods and approaches using Python to solve industrial problems, successfully addressing key pain points encountered.

Applied Machine Learning for Healthcare and Life Sciences Using AWS. Transformational AI implementations for biotech, clinical, and healthcare organizations

Ujjwal Ratan

While machine learning is not new, it's only now that we are beginning to uncover its true potential in the healthcare and life sciences industry. The availability of real-world datasets and access to better compute resources have helped researchers invent applications that utilize known AI techniques in every segment of this industry, such as providers, payers, drug discovery, and genomics.This book starts by summarizing the introductory concepts of machine learning and AWS machine learning services. You’ll then go through chapters dedicated to each segment of the healthcare and life sciences industry. Each of these chapters has three key purposes -- First, to introduce each segment of the industry, its challenges, and the applications of machine learning relevant to that segment. Second, to help you get to grips with the features of the services available in the AWS machine learning stack like Amazon SageMaker and Amazon Comprehend Medical. Third, to enable you to apply your new skills to create an ML-driven solution to solve problems particular to that segment. The concluding chapters outline future industry trends and applications.By the end of this book, you’ll be aware of key challenges faced in applying AI to healthcare and life sciences industry and learn how to address those challenges with confidence.

Architecting AI Solutions on Salesforce. Design powerful and accurate AI-driven state-of-the-art solutions tailor-made for modern business demands

Lars Malmqvist

Written for Salesforce architects who want quickly implementable AI solutions for their business challenges, Architecting AI Solutions on Salesforce is a shortcut to understanding Salesforce Einstein’s full capabilities – and using them.To illustrate the full technical benefits of Salesforce’s own AI solutions and components, this book will take you through a case study of a fictional company beginning to adopt AI in its Salesforce ecosystem. As you progress, you'll learn how to configure and extend the out-of-the-box features on various Salesforce clouds, their pros, cons, and limitations. You'll also discover how to extend these features using on- and off-platform choices and how to make the best architectural choices when designing custom solutions. Later, you'll advance to integrating third-party AI services such as the Google Translation API, Microsoft Cognitive Services, and Amazon SageMaker on top of your existing solutions. This isn’t a beginners’ Salesforce book, but a comprehensive overview with practical examples that will also take you through key architectural decisions and trade-offs that may impact the design choices you make.By the end of this book, you'll be able to use Salesforce to design powerful tailor-made solutions for your customers with confidence.

Augmented Reality for Android Application Development. As an Android developer, including Augmented Reality (AR) in your mobile apps could be a profitable new string to your bow. This tutorial takes you through every aspect of AR for Android with lots of hands-on exercises

Dr. Raphael Grasset, Jens Grubert

Augmented Reality offers the magical effect of blending the physical world with the virtual world, which brings applications from your screen into your hands. AR redefines advertising and gaming, as well as education. It will soon become a technology that will have to be mastered as a necessity by mobile application developers.Augmented Reality for Android Application Development enables you to implement sensor-based and computer vision-based AR applications on Android devices. You will learn about the theoretical foundations and practical details of implemented AR applications, and you will be provided with hands-on examples that will enable you to quickly develop and deploy novel AR applications on your own.Augmented Reality for Android Application Development will help you learn the basics of developing mobile AR browsers, how to integrate and animate 3D objects easily with the JMonkeyEngine, how to unleash the power of computer vision-based AR using the Vuforia AR SDK, and will teach you about popular interaction metaphors. You will get comprehensive knowledge of how to implement a wide variety of AR apps using hands-on examples.This book will make you aware of how to use the AR engine, Android layout, and overlays, and how to use ARToolkit. Finally, you will be able to apply this knowledge to make a stunning AR application.

Badanie i zarządzanie ryzykiem w transporcie drogowym z zastosowaniem algorytmów sztucznej inteligencji

Mariusz Izdebski

Praca dotyczy tematyki zarządzania ryzykiem w transporcie drogowym z wykorzystaniem algorytmów sztucznej inteligencji w procesach przewozowych do minimalizacji zdarzeń niebezpiecznych. Wartością poznawczą przeprowadzonych badań jest opracowanie autorskich, oryginalnych modeli zarządzania ryzykiem w transporcie drogowym wraz z ich algorytmizacją narzędziami sztucznej inteligencji. Opracowane modele zarządzania ryzykiem mogą mieć zastosowanie w różnych obszarach, np. budownictwie. Wykorzystanie algorytmów sztucznej inteligencji w zarządzaniu ryzykiem w transporcie drogowym pozwoliło na opracowanie oryginalnych metod oceny i zarządzania ryzykiem w procesach przewozowych. Do badania redukcji poziomu ryzyka zastosowano dwa zaawansowane algorytmy sztucznej inteligencji - mrówkowy i genetyczny. Sposób ich działania jest różny, co pozwoliło na porównanie jakości generowanych rozwiązań, a tym samym wyznaczenie efektywności tych algorytmów w zarządzaniu ryzykiem w transporcie drogowym. Monografia składa się z dziewięciu rozdziałów, które podzielono na trzy obszary tematyczne. W pierwszym obszarze (rozdz. 1-3) zdefiniowano najnowsze badania z zakresu tematyki ryzyka w transporcie drogowym, scharakteryzowano kluczowe zagrożenia w procesach przewozowych i przedstawiono procedurę zarządzania ryzykiem w transporcie drogowym. Kluczowym elementem tej części monografii jest opis algorytmów sztucznej inteligencji stosowanych w zarządzaniu ryzykiem w transporcie drogowym, ze szczególnym podkreśleniem dużej roli, jaką odgrywają użyte algorytmy. W drugim obszarze (rozdz. 4 i 5) opisano modele zarządzania ryzykiem w transporcie drogowym i przedstawiono ich formalny zapis. W trzecim obszarze (rozdz. 6-8) opisano proces algorytmizacji opracowanych modeli zarządzania ryzykiem wraz ze sposobem szacowania ryzyka na odcinkach sieci transportowej i przedstawiono weryfikację algorytmów zastosowanych w aplikacji do przykładów. W podsumowaniu monografii przedłożono rekomendacje dla decydentów zarządzających ryzykiem w transporcie drogowym, a także podkreślono oryginalność przedstawionych badań i ich dalszy kierunek.

Building Data Science Applications with FastAPI. Develop, manage, and deploy efficient machine learning applications with Python - Second Edition

François Voron

Building Data Science Applications with FastAPI is the go-to resource for creating efficient and dependable data science API backends. This second edition incorporates the latest Python and FastAPI advancements, along with two new AI projects – a real-time object detection system and a text-to-image generation platform using Stable Diffusion. The book starts with the basics of FastAPI and modern Python programming. You'll grasp FastAPI's robust dependency injection system, which facilitates seamless database communication, authentication implementation, and ML model integration. As you progress, you'll learn testing and deployment best practices, guaranteeing high-quality, resilient applications. Throughout the book, you'll build data science applications using FastAPI with the help of projects covering common AI use cases, such as object detection and text-to-image generation. These hands-on experiences will deepen your understanding of using FastAPI in real-world scenarios. By the end of this book, you'll be well equipped to maintain, design, and monitor applications to meet the highest programming standards using FastAPI, empowering you to create fast and reliable data science API backends with ease while keeping up with the latest advancements.