Wyniki wyszukiwania
Ubuntu Oneiric Ocelot. Przesiądź się na system open source
Mariusz Kraus
Wykorzystaj prostotę, stabilność i nowoczesność wolnego oprogramowania Ubuntu Oneiric Ocelot! Dowiedz się, jak pobrać i zainstalować system Ubuntu Naucz się korzystać ze środowiska graficznego Poznaj przydatne narzędzia i programy użytkowe Pochodzące z języka południowoafrykańskich plemion słowo "ubuntu" oznacza "człowieczeństwo wobec innych". Ten trudny do przełożenia termin tłumaczy się też jako zwrot "jestem, bo ty jesteś". Niezależnie od tego, którą wersję przekładu przyjmiemy, trudno zaprzeczyć, że mamy do czynienia z piękną i szczytną ideą. Nie inaczej jest z noszącą tę nazwę dystrybucją systemu Linux, która kilka lat temu przebojem wdarła się do świata wolnego oprogramowania i nieustannie zdobywa nowych zwolenników zarówno wśród profesjonalistów, jak i "zwykłych" użytkowników komputerów osobistych. Nic w tym dziwnego, Ubuntu jest bowiem systemem prostym, stabilnym i nowoczesnym, a ponadto zapewnia dostęp do wielu bardzo przydatnych programów użytkowych. Niestety, związek z Linuksem zupełnie niesłusznie budzi u wielu osób negatywne skojarzenia - przeciętny użytkownik komputera sądzi, że korzystanie z tego systemu operacyjnego wymaga co najmniej ukończenia studiów informatycznych. Na szczęście łatwo się przekonać, że tak nie jest! Wystarczy sięgnąć po książkę Ubuntu Oneiric Ocelot. Przesiądź się na system open source Przeprowadzi ona początkującego użytkownika przez proces instalacji i konfiguracji systemu, przedstawi interfejs użytkownika, podstawowe narzędzia środowiska oraz sposoby wykonywania operacji na plikach i katalogach, a także pokaże, jak korzystać z najważniejszych aplikacji biurowych, internetowych i multimedialnych. Pobieranie, instalacja, konfiguracja i aktualizacja systemu operacyjnego Sposoby korzystania z najważniejszych narzędzi systemowych Podstawowe operacje w systemie plików i zarządzanie użytkownikami Instalacja popularnych programów użytkowych i metody ich stosowania Korzystanie z gier oraz programów Windows w środowisku Ubuntu Poznaj najpopularniejszą dystrybucję bezpłatnego systemu operacyjnego!
Uczenie maszynowe. Elementy matematyki w analizie danych
Leszek Albrzykowski
Na styku matematyki i informatyki Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu zwykle są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie… podręczne. Inaczej jest z tą niewielkich rozmiarów książką. Jej autor przedstawia tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak by czytelnikom było łatwiej je zrozumieć. Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to konieczne dla opanowania konkretnych treści z zakresu uczenia maszynowego. Znajdziesz tu omówienie takich kluczowych zagadnień jak: Wnioskowanie bayesowskie Modele liniowe Zmienne informatywne i entropia informacji Ocena wpływu cech na model Detekcja anomalii Ocena modelu
Uczenie maszynowe w C#. Szybkie, sprytne i solidne aplikacje
Matt R. Cole
Uczenie maszynowe weszło już do kanonu technologii informatycznych. Praktyczne umiejętności w tej dziedzinie powinien posiadać każdy programista i analityk. Standardowo do rozwiązań związanych z machine learning stosuje się Pythona i opracowane dla niego biblioteki, niemniej równie skutecznie można do tego celu używać innych języków programowania. Trzeba jedynie dobrze zaznajomić się z wdrożeniami algorytmów uczenia maszynowego. Niezwykle ciekawym rozwiązaniem jest pisanie takich implementacji w C#. Przemawiają za tym nie tylko zalety samego języka, ale i to, że większość aplikacji dla profesjonalistów jest pisana w C# przy użyciu takich narzędzi jak Visual Studio, SQL Server, Unity czy Microsoft Azure. Ta książka jest przeznaczona dla doświadczonych programistów C#, którzy chcą nauczyć się technik machine learning, deep learning i sztucznej inteligencji. Opisano tu dostępne narzędzia do uczenia maszynowego, dzięki którym można łatwo budować inteligentne aplikacje .NET wykorzystujące takie rozwiązania jak wykrywanie obrazów lub ruchu, wnioskowanie bayesowskie, głębokie uczenie i głęboka wiara. Omówiono zasady implementacji algorytmów uczenia nadzorowanego i nienadzorowanego oraz ich zastosowanie w budowie modeli predykcji. Przedstawiono różne techniki, od prostej regresji liniowej, przez drzewa decyzyjne i SVM, po zaawansowane rozwiązania, takie jak sztuczne sieci neuronowe, autoenkodery lub uczenie ze wzmocnieniem. Najciekawsze zagadnienia przedstawione w książce: podstawy uczenia maszynowego wykorzystywanie logiki rozmytej mapy samoorganizujące się framework Kelp.Net i jego integracja z systemem ReflectInsight realia obliczeń kwantowych Uczenie maszynowe - najlepiej z wydajnym C#!
Ujęcia ze smakiem. Kulisy fotografii kulinarnej i stylizacji dań
Helene Dujardin
Twórz smakowite ujęcia! Jaki sprzęt wybrać do fotografowania smakołyków? Jak oświetlić posiłek do fotografii? Jak sfotografować lody? Myślisz, że żadna fotografia już Cię nie zaskoczy? Umiesz robić portrety, wiesz, co liczy się przy kadrowaniu krajobrazów, nieobce są Ci zdjęcia zwierząt… Ale to przecież nie wszystko! Uwaga! Oddajemy w Twoje ręce unikalną książkę poświęconą fotografowaniu jedzenia. Desery, kolacje, owoce, bakalie, hamburgery, torty… Brzmi smakowicie? Nie pokazuj tych zdjęć przyjaciołom na diecie! Mogą przybrać na wadze od samego patrzenia na atrakcyjne ujęcia, które będziesz robił po lekturze tej książki. To wyborna strawa dla ducha, przeznaczona zarówno dla domowych miłośników kulinarnej fotografii, jak i dla tych, który z fotografowaniem dań wiążą nadzieję na przyszłą karierę. Dzięki tej niezwykłej książce w mig opanujesz wiedzę, która pozwoli Ci uwiecznić Twoje kulinarne dzieła. Jak mówi stare powiedzenie, upieczesz dwie pieczenie na jednym ogniu, czyli dobrze zjesz, a przy tym zrobisz fantastyczne zdjęcia. Pamiętaj o jednej żelaznej zasadzie: najpierw fotografujesz, potem konsumujesz! Na początek zdobędziesz trochę wiedzy teoretycznej, dotyczącej sprzętu, kompozycji oraz sposobu oświetlenia fotografowanego obiektu. Potem odkryjesz, jak sfotografować dania główne, dania smażone, sosy, napoje oraz przyrządy do jedzenia. A jeszcze później nauczysz się obrabiać zdjęcia w cyfrowej ciemni - dodawać efekty, korygować wady i udostępniać efekty Twojej pracy. Smacznego! Uwiecznij Twoje kulinarne osiągnięcia! Obejrzyj recenzję video od Kotlet.tv: i od Ziołowy Zakątek:
Ukryta tożsamość. Jak się obronić przed utratą prywatności
Tomasz Ciborski
Wymknij się podglądaczom! Totalna inwigilacja, czyli witajcie w globalnej wiosce Bezpieczeństwo w sieci i mailu, czyli sprytne sposoby chronienia prywatności Tor i kryptowaluty, czyli zaawansowane sposoby zachowania anonimowości Żyjemy w globalnej wiosce. Sieć WWW dokładnie oplotła świat - kawiarenki internetowe są w peruwiańskiej dżungli i wioskach Pigmejów, a łącza satelitarne mają nawet stacje badawcze na Antarktydzie. Wszechobecność internetu jest oczywiście szalenie wygodna… ale ma to też swoje konsekwencje. Każde Twoje wejście do sieci jest rejestrowane. Analizie poddawane są Twoje preferencje w wyborze stron, na ekranie wyświetlają Ci się dobrane do nich reklamy, a każdy w miarę sprawny haker mógłby bez trudu dotrzeć do Twoich prywatnych e-maili. Niezbyt miła perspektywa, prawda? Na szczęście istnieją sposoby ochrony swojej prywatności w sieci. Jeśli chcesz je poznać i poczuć się bezpiecznie, sięgnij po tę książkę. Znajdziesz w niej mnóstwo metod zacierania własnych śladów. Dowiesz się, jak pozostać anonimowym podczas przeglądania sieci i jak szyfrować swoje wiadomości e-mail (lub korzystać z alternatywnych metod ich przesyłania). Zorientujesz się, jak działa undergroundowy bliźniak Internetu, czyli Tor. Sprawdzisz, co można kupić za bitcoiny. Odkryjesz także, jak zapewnić bezpieczeństwo Twoim urządzeniom i nie dać wykraść sobie żadnych danych. Nie daj się złapać w sieć! Inwigilacja globalna i lokalna Naucz się otwartego oprogramowania Bezpieczne przeglądanie internetu Poczta i szyfrowanie wiadomości Bitmessage — alternatywa dla e-maili W mrokach cebulowej sieci Kryptowaluty i pieniądz wirtualny Bezpieczeństwo dysków i partycji dyskowych Bezpieczeństwo mobilne Jeszcze więcej sposobów na ochronę prywatności — komunikatory internetowe, sieci I2P i VPN Wszystko w jednym — Linux Tails Naucz się dobrze pilnować swoich danych!
Uczenie maszynowe dla programistów
Drew Conway, John Myles White
Wyciągnij najlepsze wnioski z dostępnych danych! Maszyna myśląca jak człowiek to marzenie ludzkości. Dzięki dzisiejszej wiedzy i dostępnym narzędziom wciąż przybliżamy się do jego spełnienia. Zastanawiasz się, jak nauczyć maszynę myślenia? Jak sprawić, żeby podejmowała trafne decyzje oraz przewidywała najbliższą przyszłość na podstawie przygotowanych modeli? Na to i wiele innych pytań odpowiada ta wspaniała książka. Dzięki niej poznasz język R, nauczysz się eksplorować dostępne dane, określać wartość mediany i odchylenia standardowego oraz wizualizować powiązania między kolumnami. Gdy opanujesz już solidne podstawy teoretyczne, możesz śmiało przejść do kolejnych rozdziałów i zapoznać się z klasyfikacją binarną, tworzeniem rankingów oraz modelowaniem przyszłości przy użyciu regresji. Ponadto zrozumiesz, jak tworzyć systemy rekomendacyjne, analizować sieci społeczne oraz łamać szyfry. Książka ta jest doskonałą lekturą dla pasjonatów analizy danych i wyciągania z nich wniosków. Każdy rozdział książki jest poświęcony konkretnemu zagadnieniu uczenia maszynowego: klasyfikacji, predykcji, regresji, optymalizacji i wreszcie rekomendacji. Czytelnik nauczy się konstruować proste algorytmy uczenia maszynowego (i przepuszczać przez nie próbki danych) za pomocą języka programowania R. Uczenie maszynowe dla programistów jest więc znakomitą lekturą dla programistów parających się czy to projektami komercyjnymi, czy to rządowymi, czy wreszcie akademickimi. Skonstruuj prosty klasyfikator bayesowski odróżniający wiadomości treściwe od niechcianych na podstawie ich zawartości. Używaj regresji liniowej do przewidywania liczby odwiedzin najpopularniejszych stron WWW. Naucz się optymalizacji, próbując złamać prosty szyfr literowy. Statystycznie skonfrontuj poglądy polityków, używając rejestru głosowań. Zbuduj system rekomendacji wartościowych twitterowców. Naucz się czytać i analizować dane! Książka ta stanowi świetny przegląd przypadków i tuzina różnych technik uczenia maszynowego. Jest ukierunkowana na proces dochodzenia do rozwiązania, a nie gotowe recepty ani abstrakcyjne teorie; dzięki temu jej materiał jest dostępny dla wszystkich programistów, ale też przysłowiowych „umysłów ścisłych” — Max Shron, OkCupid
Uczenie maszynowe w aplikacjach. Projektowanie, budowa i wdrażanie
Emmanuel Ameisen
Uczenie maszynowe jest coraz popularniejsze. Stosuje się je w systemach wsparcia, systemach rekomendacyjnych, tłumaczeniach tekstów i wielu innych aplikacjach. Jednak podczas tworzenia tego rodzaju produktów inżynierowie napotykają bardzo poważne problemy. Jeśli ich nie rozwiążą, nawet obiecujący projekt może upaść. Trudność polega na tym, że zastosowanie uczenia maszynowego w konkretnej, użytkowej aplikacji jest złożonym zadaniem. Konieczne są wybór właściwej implementacji danej funkcjonalności, analiza błędów modelu, rozwiązanie problemów z czystością danych, a także weryfikacja wyników gwarantująca odpowiednią jakość produktu. To książka przeznaczona dla programistów i menedżerów, którzy wśród rodzących się idei uczenia maszynowego wciąż poszukują rozwiązań dla swojego biznesu. Autor omawia krok po kroku proces tworzenia i wdrażania aplikacji opartej na uczeniu maszynowym, a praktyczne koncepcje przedstawia za pomocą przykładowych kodów, rysunków i wywiadów z liderami w tej dziedzinie. Podpowiada, jak planować aplikację i oceniać jej jakość. Wyjaśnia także, jak budować skuteczny model, i demonstruje metody jego systematycznego usprawniania, aż do momentu osiągnięcia celu. W końcowej części opisuje strategie wdrażania i monitorowania modelu. W odróżnieniu od innych pozycji poświęconych uczeniu maszynowym ten przewodnik skupia się przede wszystkim na definiowaniu problemów, diagnozowaniu modeli i ich wdrażaniu. Dzięki tej książce: łatwiej określisz, do czego produkt ma służyć trafnie zdefiniujesz problem uczenia maszynowego szybko zbudujesz kompletny proces i pozyskasz początkowy zbiór danych zbudujesz, wytrenujesz i zoptymalizujesz model wdrożysz model w środowisku produkcyjnym przyjmiesz najlepszą metodę monitorowania pracy modelu Dobry pomysł - to zaledwie początek. Najważniejsze dzieje się później!
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
Burak Kanber
Uczenie maszynowe jeszcze kilka lat temu stanowiło niemal wiedzę tajemną. Nieliczni eksperci w tej dziedzinie publikowali materiały w naukowym, matematycznym języku, który wymagał biegłości w algebrze liniowej czy rachunku wektorowym. Korzystano najczęściej z Pythona i jego bibliotek. Obecnie, wraz ze wzrostem popularności uczenia maszynowego, zwiększają się możliwości jego praktycznej implementacji. Rzeczywista biegłość w tej dziedzinie wymaga jednak dogłębnego zrozumienia mechaniki działania algorytmów stosowanych w uczeniu maszynowym. Implementacja tych algorytmów w JavaScripcie jest znakomitym wyborem: język ten stał się dojrzałym, potężnym i wszechstronnym narzędziem do rozwiązywania złożonych problemów. Chcesz nauczyć się implementacji algorytmów uczenia maszynowego bez zbytniego zagłębiania się w niuanse matematyczne? Jeśli dodatkowo znasz język JavaScript, ta książka jest dla Ciebie idealnym wyborem. Wyjaśniono w niej, w jaki sposób tworzyć własne implementacje, podano też przykłady przydatnych bibliotek. Sporo miejsca poświęcono sieciom neuronowym, ich architekturze i przykładom zastosowania. Przedstawiono takie zagadnienia jak wykrywanie twarzy, filtrowanie spamu, tworzenie systemów rekomendacji, rozpoznawanie znaków oraz przetwarzanie języka naturalnego. Znalazły się tu również wskazówki dotyczące dobierania odpowiednich bibliotek JavaScriptu, takich jak NaturalNode, brain, harthur oraz klasyfikatory, co umożliwia projektowanie bardziej inteligentnych aplikacji. Najważniejsze zagadnienia przedstawione w książce: potencjał JavaScriptu w uczeniu maszynowym algorytmy grupowania, klasyfikacji, reguły kojarzenia algorytmy regresji, przewidywanie wzorców i predykcja sieci neuronowe i głębokie sieci neuronowe uczenie maszynowe w aplikacjach czasu rzeczywistego Uczenie maszynowe - coś dla wyjadaczy JavaScriptu!