Sztuczna inteligencja
Guillermo Moncecchi, Raul G Tompson, Trent Hauck,...
Machine learning, the art of creating applications that learn from experience and data, has been around for many years. Python is quickly becoming the go-to language for analysts and data scientists due to its simplicity and flexibility; moreover, within the Python data space, scikit-learn is the unequivocal choice for machine learning. The course combines an introduction to some of the main concepts and methods in machine learning with practical, hands-on examples of real-world problems. The course starts by walking through different methods to prepare your data—be it a dataset with missing values or text columns that require the categories to be turned into indicator variables. After the data is ready, you'll learn different techniques aligned with different objectives—be it a dataset with known outcomes such as sales by state, or more complicated problems such as clustering similar customers. Finally, you'll learn how to polish your algorithm to ensure that it's both accurate and resilient to new datasets. You will learn to incorporate machine learning in your applications. Ranging from handwritten digit recognition to document classification, examples are solved step-by-step using scikit-learn and Python. By the end of this course you will have learned how to build applications that learn from experience, by applying the main concepts and techniques of machine learning.
Skuteczna inżynieria promptów. Przyszłościowe rozwiązania dla rzetelnych wyników generatywnej AI
James Phoenix, Mike Taylor
Udostępnienie dużych modeli językowych (LLM, ang. large language model) i modeli dyfuzyjnych, takich jak ChatGPT, Midjourney czy Stable Diffusion, zrewolucjonizowało wiele branż. Dzięki nim możliwa stała się realizacja szerokiego zakresu zadań, nawet tych, które do niedawna wydawały się niemożliwe do automatyzacji. Ponadto próg wejścia w świat AI jest bardzo niski, co sprawia, że niemal każdy może korzystać z modeli AI zgodnie ze swoimi potrzebami. Absolutnie najlepsza książka na temat inżynierii promptów! Dan Shipper, współzałożyciel i prezes Every Z tą książką opanujesz podstawy generatywnej AI i nauczysz się skutecznie stosować jej modele w praktyce. Szczególną uwagę poświęcono integracji modeli językowych i dyfuzyjnych, co często bywa wyzwaniem, zwłaszcza w zakresie stabilności uzyskanych rozwiązań. Autorzy w jasny sposób wyjaśniają, jak za sprawą inżynierii promptów zapewnić niezawodność działania sztucznej inteligencji w środowiskach produkcyjnych. Co więcej, zaproponowane zasady są skonstruowane tak, aby bez trudu przetrwały próbę czasu i mogły być używane również dla przyszłych modeli! W książce: pięć uniwersalnych i perspektywicznych reguł promptowania korzystanie z generatywnej AI za pomocą bibliotek i frameworków, takich jak LangChain zalety i wady różnych modeli, w tym autorstwa OpenAI, i ich alternatyw praktyczne pisanie wysokiej jakości promptów w obszarze generowania tekstu, kodu i obrazów Jeśli chcesz poprawić wiarygodność swoich systemów AI, musisz mieć tę książkę! Mayo Oshin, założyciel i prezes Siennai Analytics Obaj autorzy eksperymentowali z inżynierią promptów od 2020 roku, teraz pracują jako inżynierowie promptów.
Saurabh Shrivastava, Neelanjali Srivastav, Kamal Arora
Becoming a solutions architect gives you the flexibility to work with cutting-edge technologies and define product strategies. This handbook takes you through the essential concepts, design principles and patterns, architectural considerations, and all the latest technology that you need to know to become a successful solutions architect.This book starts with a quick introduction to the fundamentals of solution architecture design principles and attributes that will assist you in understanding how solution architecture benefits software projects across enterprises. You'll learn what a cloud migration and application modernization framework looks like, and will use microservices, event-driven, cache-based, and serverless patterns to design robust architectures. You'll then explore the main pillars of architecture design, including performance, scalability, cost optimization, security, operational excellence, and DevOps. Additionally, you'll also learn advanced concepts relating to big data, machine learning, and the Internet of Things (IoT). Finally, you'll get to grips with the documentation of architecture design and the soft skills that are necessary to become a better solutions architect.By the end of this book, you'll have learned techniques to create an efficient architecture design that meets your business requirements.
Srikanth Yarlagadda
The IT sector's appetite for Splunk and skilled Splunk developers continues to surge, offering more opportunities for developers with each passing decade. If you want to enhance your career as a Splunk Enterprise administrator, then Splunk 9.x Enterprise Certified Admin Guide will not only aid you in excelling on your exam but also pave the way for a successful career.You’ll begin with an overview of Splunk Enterprise, including installation, license management, user management, and forwarder management. Additionally, you’ll delve into indexes management, including the creation and management of indexes used to store data in Splunk. You’ll also uncover config files, which are used to configure various settings and components in Splunk.As you advance, you’ll explore data administration, including data inputs, which are used to collect data from various sources, such as log files, network protocols (TCP/UDP), APIs, and agentless inputs (HEC).You’ll also discover search-time and index-time field extraction, used to create reports and visualizations, and help make the data in Splunk more searchable and accessible. The self-assessment questions and answers at the end of each chapter will help you gauge your understanding.By the end of this book, you’ll be well versed in all the topics required to pass the Splunk Enterprise Admin exam and use Splunk features effectively.
Sztuczna inteligencja 2041. 10 wizji przyszłości
Kai-Fu Lee, Chen Qiufan
Autor bestsellerowej książki Inteligencja sztuczna, rewolucja prawdziwa, ekspert do spraw AI, były prezes Google China, oraz znany powieściopisarz s.f. połączyli w tej książce siły, żeby odpowiedzieć na pytanie, jak sztuczna inteligencja zmieni nasz świat w ciągu najbliższych dwudziestu lat. Sztuczna inteligencja będzie definicją rozwoju XXI wieku wygeneruje bezprecedensowe bogactwo, zrewolucjonizuje medycynę i edukację poprzez symbiozę człowiek-maszyna oraz stworzy zupełnie nowe formy komunikacji i rozrywki. Jednak uwalniając nas od rutynowej pracy, zakwestionuje także zasady organizacyjne naszego ładu gospodarczego i społecznego i przyniesie nowe zagrożenia w postaci autonomicznej broni i inteligentnej technologii. W tym prowokacyjnym i oryginalnym dziele w dziesięciu porywających opowiadaniach, osadzonych w przyszłości, autorzy wprowadzają czytelników w szereg pouczających scenerii z 2041 roku.
Sztuczna inteligencja dla inżynierów. Istotne obszary i zastosowania
Mieczysław Muraszkiewicz, Robert Nowak
Na treść książki składają się przede wszystkim zagadnienia związane z zastosowaniami sztucznej inteligencji. Wstępem są rozważania na temat tzw. odpowiedzialnej sztucznej inteligencji. Podstawowym tworzywem, na którym działa sztuczna inteligencja, są dane, informacja i wiedza. O inżynierii wiedzy, a w tym o metodach reprezentacji wiedzy, traktuje rozdział drugi niniejszej monografii. Jego kontynuacją jest rozdział trzeci, omawiający typowe problemy i sposoby radzenia sobie z nimi, przy wykorzystywaniu uczenia maszynowego do analizy danych ustrukturyzowanych, zwanych też danymi tabelarycznymi. W rozdziale czwartym czytelnik znajdzie wykład na temat przetwarzania języka naturalnego. Rozdział piąty jest poświęcony bioinformatyce, czyli analizie napisów reprezentujących biopolimery DNA, RNA i białka. Do takich analiz z powodzeniem stosuje się metody sztucznej inteligencji. Innym obszarem jest analiza obrazu i dźwięku. Obecnie główną rolę odgrywają tutaj sztuczne sieci neuronowe. Zagadnienia te omówiono w rozdziale szóstym, w którym zawarto informacje dotyczące percepcji maszyn, w tym widzenia maszynowego oraz metod analizy dźwięku. Swego rodzaju nawiązaniem do rozdziału wstępnego jest rozdział siódmy, poświęcony wyjaśnialnej sztucznej inteligencji, która to kwestia ma zasadnicze znaczenie dla upowszechnienia systemów sztucznej inteligencji. Książkę zamyka rozdział na temat inżynierii uczenia maszynowego, który traktuje o poprawnym procesie realizacji projektów korzystających z metod uczenia maszynowego, a także obszerna bibliografia.