Sztuczna inteligencja
Hala Nelson
Sztuczna inteligencja i technologie oparte na danych są coraz częściej integrowane z istniejącymi systemami i operacjami. Ta tendencja dotyczy licznych branż. Dziś przy budowaniu systemów SI można korzystać z gotowych bibliotek, jeżeli jednak zależy Ci na w pełni świadomym tworzeniu doskonalszych aplikacji, musisz dobrze opanować matematykę leżącą u podstaw sztucznej inteligencji. Nawet jeśli nie darzysz królowej nauk płomiennym uczuciem, dzięki temu kompleksowemu opracowaniu z łatwością poradzisz sobie z jej lepszym poznaniem. Nie znajdziesz tu skomplikowanych teorii naukowych, tylko przystępnie podane koncepcje matematyczne niezbędne do rozwoju w dziedzinie sztucznej inteligencji, w szczególności do praktycznego stosowania najnowocześniejszych modeli. Poznasz takie zagadnienia jak regresja, sieci neuronowe, sieci konwolucyjne, optymalizacja, prawdopodobieństwo, procesy Markowa, równania różniczkowe i wiele innych w ekskluzywnym kontekście sztucznej inteligencji. Książkę docenią pasjonaci nowych technologii, twórcy aplikacji, inżynierowie i analitycy danych, a także matematycy i naukowcy. W książce: wyjaśnienie pojęć z zakresu uczenia maszynowego, inżynierii danych i matematyki ujednolicanie modeli w ramach jednej struktury matematycznej grafy i dane sieciowe eksploracja rzeczywistych danych, zmniejszanie liczby wymiarów i przetwarzanie obrazów korzystanie z modeli w różnych projektach opartych na danych implikacje i ograniczenia sztucznej inteligencji Ta książka w zachwycający sposób sprawia, że matematyka staje się zabawą dla licznych uczestników przyszłości opartej na sztucznej inteligencji! Adri Purkayastha, analityk oceny ryzyka, BNP Paribas O książce w mediach: Eksperyment Myślowy – recenzja książki
Aaron Guilmette, Steve Miles, Peter De Tender
The AI-900 exam helps you take your first step into an AI-shaped future. Regardless of your technical background, this book will help you test your understanding of the key AI-related topics and tools used to develop AI solutions in Azure cloud.This exam guide focuses on AI workloads, including natural language processing (NLP) and large language models (LLMs). You’ll explore Microsoft’s responsible AI principles like safety and accountability. Then, you’ll cover the basics of machine learning (ML), including classification and deep learning, and learn how to use training and validation datasets with Azure ML. Using Azure AI Vision, face detection, and Video Indexer services, you’ll get up to speed with computer vision-related topics like image classification, object detection, and facial detection. Later chapters cover NLP features such as key phrase extraction, sentiment analysis, and speech processing using Azure AI Language, speech, and translator services. The book also guides you through identifying GenAI models and leveraging Azure OpenAI Service for content generation. At the end of each chapter, you’ll find chapter review questions with answers, provided as an online resource.By the end of this exam guide, you’ll be able to work with AI solutions in Azure and pass the AI-900 exam using the online exam prep resources.
Midjourney. Leverage The Future Of Creativity
Adrian Twarog
Unleash the full potential of Midjourney by mastering the essentials of prompt creation. The book begins with an in-depth exploration of prompt anatomy, teaching you the key components that make up an effective input. From there, you'll move on to crafting your first Midjourney prompt, gaining confidence as you bring your creative ideas to life.As you progress, you'll delve into the vital commands and the parameter list that enable you to fine-tune your results. Each concept is broken down into actionable insights, ensuring you fully understand how to control Midjourney’s output. By learning the interplay of these elements, you’ll start crafting outputs tailored to your vision.Finally, advanced techniques take center stage, showing you how to push the boundaries of your creativity. Whether you're creating stunning visuals, refining complex ideas, or exploring new ways to express yourself, this course equips you with the tools and knowledge to excel in the world of Midjourney.
Mit sztucznej inteligencji. Dlaczego komputery nie potrafią myśleć jak my
Erik J. Larson
Czy superinteligencja naprawdę jest tuż za rogiem? Czy sztuczna inteligencja wkrótce przewyższy możliwości ludzkiego umysłu? Czy jesteśmy na drodze do stworzenia świadomych, rozumujących maszyn? Erik Larson, przedsiębiorca z branży technologicznej i pionier badań nad przetwarzaniem języka naturalnego, zabiera czytelnika w podróż po współczesnym krajobrazie AI, pokazując, jak daleko wciąż jesteśmy od stworzenia superinteligencji i co musiałoby się wydarzyć, by to osiągnąć. Od czasów Alana Turinga wielu entuzjastów AI utożsamia sztuczną inteligencję z ludzkim myśleniem. To poważne nieporozumienie. Obecne systemy AI bazują na rozumowaniu indukcyjnym - analizują dane i przewidują wyniki. Tymczasem ludzie nie porównują danych - formułują przypuszczenia, czerpiąc z kontekstu i doświadczenia. Nasza inteligencja to sieć domysłów opartych na wiedzy o świecie. Tego typu intuicyjnego rozumowania - nazywanego abdukcją - nie potrafimy jak dotąd zaprogramować. A to właśnie ono stanowi sedno ludzkiego rozumu i zdrowego rozsądku. Larson ostrzega, że mit nieuchronnej superinteligencji nie tylko zaciemnia obraz rzeczywistego postępu, ale też hamuje innowacje. Zamiast badać to, czego jeszcze nie rozumiemy, skupiamy się na przereklamowanych rozwiązaniach. AI będzie dalej doskonalić się w wyspecjalizowanych zadaniach, ale jeśli naprawdę chcemy zrobić krok naprzód, musimy lepiej poznać i docenić jedyną inteligencję, którą znamy - naszą własną. Erik J. Larson jest informatykiem, przedsiębiorcą w branży technologicznej i założycielem dwóch start-upów AI finansowanych przez DARPA. Obecnie zajmuje się podstawowymi zagadnieniami przetwarzania języka naturalnego i uczenia maszynowego. Publikował na łamach "The Atlantic" oraz w czasopismach naukowych, a także badał techniczne granice sztucznej inteligencji w ramach współpracy z inkubatorem technologicznym IC2 na Uniwersytecie Teksańskim w Austin.
Mehul Gupta, Niladri Sen
This book offers a detailed introduction to the groundbreaking field of AI agents and Model Context Protocol (MCP). The first section delves into generative AI and large language models (LLMs), exploring how these technologies power modern AI systems. From there, the book introduces the concept of AI agents—autonomous systems capable of executing tasks with varying levels of complexity. Moving into practical applications, the book focuses on Model Context Protocol, explaining its key components and how it enables effective interaction between AI and various software tools. Each chapter offers step-by-step instructions for setting up MCP servers for popular tools like Gmail, YouTube, GitHub, and more, empowering readers to automate tasks and streamline workflows. The book concludes by addressing the future of MCP, its potential risks, and how to stay safe while using these advanced technologies. Whether you're a beginner or experienced practitioner, this guide will deepen your understanding of AI and enhance your ability to leverage cutting-edge automation in daily operations.
V Kishore Ayyadevara, Yeshwanth Reddy
Whether you are a beginner or are looking to progress in your computer vision career, this book guides you through the fundamentals of neural networks (NNs) and PyTorch and how to implement state-of-the-art architectures for real-world tasks.The second edition of Modern Computer Vision with PyTorch is fully updated to explain and provide practical examples of the latest multimodal models, CLIP, and Stable Diffusion.You’ll discover best practices for working with images, tweaking hyperparameters, and moving models into production. As you progress, you'll implement various use cases for facial keypoint recognition, multi-object detection, segmentation, and human pose detection. This book provides a solid foundation in image generation as you explore different GAN architectures. You’ll leverage transformer-based architectures like ViT, TrOCR, BLIP2, and LayoutLM to perform various real-world tasks and build a diffusion model from scratch. Additionally, you’ll utilize foundation models' capabilities to perform zero-shot object detection and image segmentation. Finally, you’ll learn best practices for deploying a model to production.By the end of this deep learning book, you'll confidently leverage modern NN architectures to solve real-world computer vision problems.
Valentina Alto
Generative AI models and AI language models are becoming increasingly popular due to their unparalleled capabilities. This book will provide you with insights into the inner workings of the LLMs and guide you through creating your own language models. You’ll start with an introduction to the field of generative AI, helping you understand how these models are trained to generate new data.Next, you’ll explore use cases where ChatGPT can boost productivity and enhance creativity. You’ll learn how to get the best from your ChatGPT interactions by improving your prompt design and leveraging zero, one, and few-shots learning capabilities. The use cases are divided into clusters of marketers, researchers, and developers, which will help you apply what you learn in this book to your own challenges faster.You’ll also discover enterprise-level scenarios that leverage OpenAI models’ APIs available on Azure infrastructure; both generative models like GPT-3 and embedding models like Ada. For each scenario, you’ll find an end-to-end implementation with Python, using Streamlit as the frontend and the LangChain SDK to facilitate models' integration into your applications.By the end of this book, you’ll be well equipped to use the generative AI field and start using ChatGPT and OpenAI models’ APIs in your own projects.
Mercury Learning and Information, Oswald Campesato
This book introduces developers to basic concepts in NLP and machine learning, providing numerous code samples to support the topics covered. The journey begins with introductory material on NumPy and Pandas, essential for data manipulation. Following this, chapters delve into NLP concepts, algorithms, and toolkits, providing a solid foundation in natural language processing.As you progress, the book covers machine learning fundamentals and classifiers, demonstrating how these techniques are applied in NLP. Practical examples using TF2 and Keras illustrate how to implement various NLP tasks. Advanced topics include the Transformer architecture, BERT-based models, and the GPT family of models, showcasing the latest advancements in the field.The final chapters and appendices offer a comprehensive overview of related topics, including data and statistics, Python3, regular expressions, and data visualization with Matplotlib and Seaborn. Companion files with source code and figures ensure a hands-on learning experience. This book equips you with the knowledge and tools needed to excel in NLP and machine learning.