Sztuczna inteligencja
Josué R. Batista, Christopher Papile
As the field of generative AI evolves, so does the demand for intelligent systems that can understand human speech. Navigating the complexities of automatic speech recognition (ASR) technology is a significant challenge for many professionals. This book offers a comprehensive solution that guides you through OpenAI's advanced ASR system.You’ll begin your journey with Whisper's foundational concepts, gradually progressing to its sophisticated functionalities. Next, you’ll explore the transformer model, understand its multilingual capabilities, and grasp training techniques using weak supervision. The book helps you customize Whisper for different contexts and optimize its performance for specific needs. You’ll also focus on the vast potential of Whisper in real-world scenarios, including its transcription services, voice-based search, and the ability to enhance customer engagement. Advanced chapters delve into voice synthesis and diarization while addressing ethical considerations.By the end of this book, you'll have an understanding of ASR technology and have the skills to implement Whisper. Moreover, Python coding examples will equip you to apply ASR technologies in your projects as well as prepare you to tackle challenges and seize opportunities in the rapidly evolving world of voice recognition and processing.
David Young
If you are a game developer or a general programmer who wishes to focus on programming systems and techniques to build your game AI without creating low-level interfaces in a game engine, then this book is for you. Knowledge of C++ will come in handy to debug the entirety of the AI sandbox and expand on the features present within the book, but it is not required.
Joe Minichino, Joseph Howse
OpenCV 3 is a state-of-the-art computer vision library that allows a great variety of image and video processing operations. Some of the more spectacular and futuristic features such as face recognition or object tracking are easily achievable with OpenCV 3. Learning the basic concepts behind computer vision algorithms, models, and OpenCV's API will enable the development of all sorts of real-world applications, including security and surveillance.Starting with basic image processing operations, the book will take you through to advanced computer vision concepts. Computer vision is a rapidly evolving science whose applications in the real world are exploding, so this book will appeal to computer vision novices as well as experts of the subject wanting to learn the brand new OpenCV 3.0.0. You will build a theoretical foundation of image processing and video analysis, and progress to the concepts of classification through machine learning, acquiring the technical know-how that will allow you to create and use object detectors and classifiers, and even track objects in movies or video camera feeds. Finally, the journey will end in the world of artificial neural networks, along with the development of a hand-written digits recognition application.
Jarrod Anderson
Nowoczesne organizacje muszą używać sztucznej inteligencji, aby realizować cele strategiczne i wprowadzać innowacje. W świecie napędzanym przez AI przetrwanie i rozwój wymagają inteligentnych systemów, modeli wspierających kluczowe decyzje i przełomowych aplikacji. Wizjonerskie przywództwo jednak powinno się harmonijnie łączyć z praktyką codziennego działania firmy. Ten podręcznik na nowo definiuje rolę lidera do spraw sztucznej inteligencji w środowisku, w którym używa się predykcyjnej, deterministycznej, generatywnej i agentowej AI do rozwiązywania złożonych problemów i wspierania innowacyjności. Autor przedstawia strategie realizacji transformacyjnych inicjatyw z obszaru AI, budowania skutecznych zespołów i zarządzania nimi. Dużo miejsca poświęca odpowiedzialnemu wdrażaniu AI i zachowaniu zgodności z regulacjami. Książka spełnia rolę mapy drogowej od projektowania przełomowych rozwiązań po osiąganie wymiernych rezultatów biznesowych. W książce: rozwój i realizacja strategii AI w zgodzie z regulacjami zarządzanie projektami z wykorzystaniem metodyk zwinnych przykłady zastosowania deterministycznej i probabilistycznej AI optymalizacja działania systemów autonomicznych zasady projektowania systemów AI skoncentrowanych na człowieku mechanizmy ochrony danych i prywatności modeli AI nie jest wyborem. To paradygmat przywództwa!
LLM Design Patterns. A Practical Guide to Building Robust and Efficient AI Systems
Ken Huang
This practical guide for AI professionals enables you to build on the power of design patterns to develop robust, scalable, and efficient large language models (LLMs). Written by a global AI expert and popular author driving standards and innovation in Generative AI, security, and strategy, this book covers the end-to-end lifecycle of LLM development and introduces reusable architectural and engineering solutions to common challenges in data handling, model training, evaluation, and deployment.You’ll learn to clean, augment, and annotate large-scale datasets, architect modular training pipelines, and optimize models using hyperparameter tuning, pruning, and quantization. The chapters help you explore regularization, checkpointing, fine-tuning, and advanced prompting methods, such as reason-and-act, as well as implement reflection, multi-step reasoning, and tool use for intelligent task completion. The book also highlights Retrieval-Augmented Generation (RAG), graph-based retrieval, interpretability, fairness, and RLHF, culminating in the creation of agentic LLM systems.By the end of this book, you’ll be equipped with the knowledge and tools to build next-generation LLMs that are adaptable, efficient, safe, and aligned with human values.
Valentina Alto
Duże modele językowe (LLM) stały się technologicznym przełomem. Ich wszechstronność i funkcjonalność sprawiły, że coraz częściej mówi się o nowej erze inteligentnie działających urządzeń i aplikacji. Umiejętność zastosowania LLM we własnych projektach już dziś jest koniecznością dla wielu projektantów i programistów. Dzięki tej książce opanujesz podstawowe koncepcje związane z użyciem LLM. Poznasz unikatowe cechy i mocne strony kilku najważniejszych modeli (w tym GPT, Gemini, Falcon). Następnie dowiesz się, w jaki sposób LangChain, lekki framework Pythona, pozwala na projektowanie inteligentnych agentów do przetwarzania danych o nieuporządkowanej strukturze. Znajdziesz tu również informacje dotyczące dużych modeli podstawowych, które wykraczają poza obsługę języka i potrafią wykonywać różne zadania związane na przykład z grafiką i dźwiękiem. Na koniec zgłębisz zagadnienia dotyczące ryzyka związanego z LLM, a także poznasz techniki uniemożliwiania tym modelom potencjalnie szkodliwych działań w aplikacji. Najciekawsze zagadnienia: architektura dużych modeli językowych unikatowe funkcje LLM komponenty służące do koordynacji sztucznej inteligencji, w tym tworzenia frontendu użycie wiedzy nieparametrycznej i wektorowych baz danych dostrajanie dużych modeli językowych do własnych potrzeb odpowiedzialność i etyka w systemach korzystających z LLM Odkryj, jak łatwo model generatywnej AI zintegruje się z Twoją aplikacją! O książce w mediach: Eksperyment Myślowy - recenzja książki
Oliver Theobald
Starting with Python syntax and data types, this guide builds toward implementing key machine learning models. Learn about loops, functions, OOP, and data cleaning, then transition into algorithms like regression, KNN, and neural networks. A final section walks you through model optimization and building projects in Python.The book is split into two major sections—foundational Python programming and introductory machine learning. Readers are guided through essential concepts such as data types, variables, control flow, object-oriented programming, and using libraries like pandas for data manipulation.In the machine learning section, topics like model selection, supervised vs unsupervised learning, bias-variance, and common algorithms are demystified with practical coding examples. It’s a structured, clear roadmap to mastering both programming and applied ML from zero knowledge.
Oliver Theobald
This book is an ideal starting point for anyone interested in Artificial Intelligence and Machine Learning. It begins with the foundational principles of AI, offering a deep dive into its history, building blocks, and the stages of development. Readers will explore key AI concepts and gradually transition to practical applications, starting with machine learning algorithms such as linear regression and k-nearest neighbors. Through step-by-step Python tutorials, the book helps readers build and implement models with hands-on experience.As the book progresses, readers will dive into advanced AI topics like deep learning, natural language processing (NLP), and generative AI. Topics such as recommender systems and computer vision demonstrate the real-world applications of AI technologies. Ethical considerations and privacy concerns are also addressed, providing insight into the societal impact of these technologies.By the end of the book, readers will have a solid understanding of both the theory and practice of AI and Machine Learning. The final chapters provide resources for continued learning, ensuring that readers can continue to grow their AI expertise beyond the book.