Sztuczna inteligencja
AI-Native LLM Security. Threats, defenses, and best practices for building safe and trustworthy AI
Vaibhav Malik, Ken Huang, Ads Dawson
Adversarial AI attacks present a unique set of security challenges, exploiting the very foundation of how AI learns. This book explores these threats in depth, equipping cybersecurity professionals with the tools needed to secure generative AI and LLM applications. Rather than skimming the surface of emerging risks, it focuses on practical strategies, industry standards, and recent research to build a robust defense framework.Structured around actionable insights, the chapters introduce a secure-by-design methodology, integrating threat modeling and MLSecOps practices to fortify AI systems. You’ll discover how to leverage established taxonomies from OWASP, NIST, and MITRE to identify and mitigate vulnerabilities. Through real-world examples, the book highlights best practices for incorporating security controls into AI development life cycles, covering key areas such as CI/CD, MLOps, and open-access LLMs.Built on the expertise of its co-authors—pioneers in the OWASP Top 10 for LLM applications—this guide also addresses the ethical implications of AI security, contributing to the broader conversation on trustworthy AI. By the end of this book, you’ll be able to develop, deploy, and secure AI technologies with confidence and clarity.*Email sign-up and proof of purchase required
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
Rishal Hurbans
Sztuczna inteligencja ma umożliwiać wykorzystywanie danych i algorytmów do podejmowania lepszych decyzji, rozwiązywania trudnych problemów i automatyzowania złożonych zadań. Ma też zwiększać produktywność człowieka. Obecnie sztuczna inteligencja z rozmachem wkracza do kolejnych dziedzin. Budzi zachwyt, ale też kontrowersje i obawy. Nowe narzędzia, choćby były tworzone z najlepszymi intencjami, zawsze mogą zostać wykorzystane w niewłaściwy czy szkodliwy sposób. Oznacza to, że każdy, kto rozwija nowe technologie, powinien to robić odpowiedzialnie. Aby to było możliwe, trzeba dobrze zrozumieć podstawy działania sztucznej inteligencji - algorytmy. To praktyczny przewodnik po algorytmach sztucznej inteligencji. Skorzystają z niego programiści i inżynierowie, którzy chcą zrozumieć zagadnienia i algorytmy związane ze sztuczną inteligencją na podstawie praktycznych przykładów i wizualnych wyjaśnień. Książka pokazuje, jak radzić sobie z takimi zadaniami programistycznymi jak wykrywanie oszustw bankowych czy sterowanie pojazdem autonomicznym. Pierwsze rozdziały dotyczą podstawowych koncepcji i algorytmów i stają się punktem wyjścia do bardziej złożonych tematów: wydajnych algorytmów przeszukiwania oraz poszukiwania rozwiązań w środowisku konkurencyjnym. Przedstawiono tu zagadnienia uczenia maszynowego, w tym proces przygotowania danych, modelowania i testowania. Omówiono też zasady uczenia przez wzmacnianie za pomocą algorytmu Q-learning. W książce: kategorie i znaczenie algorytmów sztucznej inteligencji. inteligentne przeszukiwanie w procesie podejmowania decyzji algorytmy genetyczne i inteligencja rozproszona uczenie maszynowe i sieci neuronowe uczenie przez wzmacnianie Zrozum algorytmy, a pojmiesz istotę sztucznej inteligencji!
Analityka rozszerzona. Automatyzacja i sztuczna inteligencja w podejmowaniu decyzji
Willi Weber, Tobias Zwingmann
Niepowodzenia biznesowe można różnie tłumaczyć, jeśli jednak od szukania wymówek wolisz zapewnić sukces swojej firmie, przemyśl sposób, w jaki korzystasz z analizy danych. Poprzez rozszerzenie możliwości i poprawę jakości analiz otworzysz sobie drzwi do podejmowania najbardziej racjonalnych decyzji - decyzji opartych na wnioskach. W tej książce znajdziesz przejrzystą, praktyczną i kompletną ścieżkę, która doprowadzi Twoją firmę do analitycznej doskonałości! Dzięki lekturze zdobędziesz wiedzę potrzebną do skutecznego wykorzystywania informacji w realizacji celów biznesowych. Jeśli dostrzegasz ograniczenia tradycyjnych metod interpretacji danych, docenisz opisaną tu dynamiczną i realistyczną strategię zwiększania możliwości analitycznych. Dowiesz się, jak wprowadzić inteligentną automatyzację i nowoczesną sztuczną inteligencję, co umożliwi podejmowanie lepszych decyzji w Twoim zespole. Najważniejsze zagadnienia: rozszerzona analityka, jej zalety i potencjalne ograniczenia najlepsze praktyki w dziedzinie implementacji rozszerzonej analityki w firmie role analityczne, przepływy pracy, potrzebne narzędzia i umiejętności korzystanie z danych, a także budowanie zaufania i dostępności analiza przypadków posłużenia się rozszerzoną analityką jako czynnikiem wspierającym Oto drogowskaz dla organizacji, która chce bazować na danych w erze sztucznej inteligencji! Donald Farmer, właściciel firmy TreeHive Strategy
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
Mercury Learning and Information, Oswald Campesato
As part of the Pocket Primer series, this book introduces basic deep learning concepts and integrates them into Angular 10 applications. It offers a fast-paced introduction to deep learning features and popular classifiers. Covering Angular 10 functionality, deep learning concepts, and key classification algorithms, the book includes code samples and figures. Topics such as TensorFlow and Keras are also explored.The book begins with an introduction to AI and its applications, followed by state space search and heuristic search strategies. You will delve into expert systems, their development life cycle, knowledge acquisition, and representation. These topics lead to a deeper understanding of neural networks, the learning process, and fuzzy logic systems, ensuring a comprehensive grasp of AI and deep learning principles.Understanding these concepts is essential for developing sophisticated AI applications and enhancing Angular 10 projects. This book transitions you from a novice to a proficient developer, equipped with practical skills and knowledge. Advanced topics like fuzzy expert systems and logic programming are covered, culminating in advanced Prolog. Companion files with source code and color figures enhance the learning experience, making this book an invaluable resource for integrating deep learning with Angular 10.
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.
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.
Mercury Learning and Information, Paul Boudreau
Artificial intelligence is reshaping the way projects are managed, offering unprecedented opportunities to improve efficiency, accuracy, and outcomes. This course begins with an introduction to AI’s role in project management, exploring how machine learning, natural language processing, and predictive algorithms can transform traditional approaches. You’ll learn about the key components of AI-driven projects and how to develop a strong business case for adopting these innovations.As you progress, the course delves into practical applications of AI in automating project tasks, analyzing data, and predicting results. Participants will gain hands-on experience with tools that leverage machine learning to forecast project success, improve productivity, and resolve potential failures. Additionally, you’ll discover how generative AI and large language models can enhance communication, planning, and decision-making throughout the project lifecycle.Finally, the course examines the broader implications of integrating AI into project management. You’ll explore strategies for acquiring AI solutions, implementing them within teams, and navigating the ethical challenges they present. By the end of the course, participants will have a clear understanding of how to leverage AI to optimize projects and stay competitive in a rapidly evolving technological landscape.