Suchergebnisse
Hadelin de Ponteves
Grono entuzjastów sztucznej inteligencji stale rośnie. Jest już bowiem jasne, że stanowi ona dostępną metodę zmiany świata na lepsze. Pełnymi garściami ze zdobyczy AI czerpią naukowcy, analitycy danych, przedsiębiorcy i menedżerowie, a nawet politycy i ekonomiści. Jej możliwości wydają się dziś nieograniczone - aby je wykorzystać, wystarczy zdobyć gruntowną wiedzę i dobrze zrozumieć podstawy sztucznej inteligencji. Na pierwszy rzut oka nie są to trudne zadania. Choćby ze względu na dostęp do wielu artykułów, kursów czy książek o technologiach sztucznej inteligencji. Jednak w tym nadmiarze materiałów bardzo trudno dokonać właściwego dla siebie wyboru. To kompletny, zwięzły przewodnik po świecie sztucznej inteligencji. Znalazły się tu przejrzyście wyłożone podstawy i bardziej zaawansowane zagadnienia. Wyjaśniono, jak najlepiej zabrać się do tworzenia systemów AI wykorzystujących uczenie ze wzmacnianiem oraz głębokie uczenie. Krok po kroku pokazano, jak zrealizować pięć praktycznych projektów. To książka skierowana zarówno do studentów, jak i naukowców, menedżerów czy przedsiębiorców - dowiedzą się z niej, jak zbudować inteligentne oprogramowanie przy użyciu najlepszych i najprostszych narzędzi do programowania AI. Co ważne, aby w pełni z niej skorzystać, nie trzeba posiadać umiejętności programowania. Dzięki tej książce: opanujesz kluczowe umiejętności związane z uczeniem maszynowym zrozumiesz Q-learning oraz głęboki Q-learning poznasz takie narzędzia jak TensorFlow, Keras czy PyTorch będziesz samodzielnie tworzyć takie projekty jak wirtualny samochód wykorzystasz AI do rozwiązywania rzeczywistych problemów biznesowych nauczysz się budować inteligentne roboty Oto Twoja świetlana przyszłość w świecie AI!
Testy jednostkowe. Zasady, praktyki i wzorce
Vladimir Khorikov
Każdy inżynier oprogramowania zna teoretyczne podstawy testowania. O tym, że sumienne przeprowadzenie testów ma podstawowe znaczenie dla jakości gotowego produktu, nie trzeba nikogo przekonywać. A jednak wciąż zbyt często okazuje się, że zaplanowanie, napisanie i przeprowadzenie testów jednostkowych w praktyce nie jest łatwym zadaniem. Co gorsza, niewłaściwe testy psują kod, mnożą błędy i zabierają mnóstwo cennego czasu i pieniędzy. Okazuje się, że dla uzyskania maksymalnej jakości projektu, który trzeba dostarczyć w krótkim czasie, konieczne jest nauczenie się praktycznego stosowania zasad i wzorców testowania jednostkowego. Jeśli znasz już podstawy testowania jednostkowego, dzięki tej książce nauczysz się projektowania i pisania testów, które obierają za cel model domeny i pozostałe kluczowe obszary kodu. Ten przejrzyście napisany przewodnik poprowadzi Cię przez proces tworzenia zestawów testowych o optymalnej wartości, bezpiecznej automatyzacji testowania i umiejętnego włączania go w cykl życia oprogramowania. W książce znalazły się uniwersalne wskazówki dotyczące analizy dowolnych testów jednostkowych oraz porady odnoszące się do zmian testów następujących wraz ze zmianami kodu produkcyjnego. Nie zabrakło również informacji, dzięki którym sprawnie zidentyfikujesz i wykluczysz ewentualne antywzorce testowania. Materiał został bogato zilustrowany przejrzystymi przykładami kodu napisanego w C#. Naturalnie, mają one zastosowanie także dla innych języków programowania. W książce między innymi: cel testowania jednostkowego i cechy dobrych testów fundamenty porządnego testowania jednostkowego wpływ zaślepek i sterowników na stabilność testów style testowania jednostkowego zalety i ograniczenia testowania integracyjnego Przed wdrożeniem dobrze przetestuj swój kod!
Tablice informatyczne. Linux. Wydanie IV
Radosław Sokół
Tablice do Linuksa — zawsze pod ręką! Jeśli używasz systemu operacyjnego Linux, tablice informatyczne są Ci niezbędnie potrzebne. Znajdziesz w nich najważniejsze informacje dotyczące katalogów i poleceń — od dotyczących struktury katalogów systemu, przez dotyczące symboli wieloznacznych, łączenia poleceń, obsługi klawiatury i ekranu, aż po te o systemach plików. Przypomnisz sobie, jak nawigować pomiędzy katalogami i wyświetlać ich zawartość, tworzyć i usuwać pliki oraz nimi zarządzać, wyszukiwać je i archiwizować. Sprawdzisz, jak kontrolować prawa dostępu do plików, obsługiwać konta użytkowników, wykorzystywać przetwarzanie potokowe. Dzięki tablicom z łatwością zdiagnozujesz działanie systemu operacyjnego i połączeń sieciowych. Skonfigurujesz także zaporę sieciową iptables oraz skompilujesz oprogramowanie. Kup tablice do Linuksa i ułatw sobie życie!
Tworzenie architektury oprogramowania. Wspieranie zespołów w podejmowaniu trafnych decyzji
Andrew Harmel-Law
Rola architekta oprogramowania się zmienia. W miarę jak systemy stają się coraz bardziej złożone, tradycyjny model działania architekta przestaje wystarczać. Zadań jest zbyt wiele, a ich zaniedbanie w końcu doprowadzi do punktu krytycznego. Kluczowe staje się współdziałanie architekta z zespołem projektowym - tylko wtedy możliwe jest tworzenie trwałej, elastycznej i efektywnej architektury. Oto książka pełna praktycznej mądrości, trafiająca w sedno tego, czym jest architektura. Grady Booch, IBM Fellow Tę książkę doceni każdy, kto praktykuje architekturę w ramach i na rzecz zespołu. Dzięki niej zrozumiesz wady scentralizowanych praktyk architektury w zdecentralizowanym świecie. Poznasz też kluczowe aspekty zdecentralizowanego podejścia do architektury opartego na informacji zwrotnej i zasady wdrażania takiego podejścia. Znajdziesz tu omówienie czynników wpływających na efektywność decyzji architektonicznych, a także ich społeczny wymiar - dobra architektura bowiem to nie tylko struktura kodu, ale również jakość współpracy. Dzięki opisanym metodom rozwiniesz sposób myślenia, który pozwala każdemu w zespole praktykować architekturę i budować lepsze systemy. Najciekawsze zagadnienia: jak się zmienia nowoczesny proces dostarczania oprogramowania metodologia łączenia architektury oprogramowania z jego rozwojem współzależność decyzji, architektury i informacji zwrotnej z działających systemów wprowadzanie praktyk maksymalizacji korzyści i minimalizacji ryzyka dostrajanie podejścia do architektury, umiejętności osób w zespole i kultury firmy Najlepsza architektura oprogramowania ewoluuje dzięki zaangażowaniu wszystkich. Martin Fowler, główny badacz w Thoughtworks
Uczenie głębokie od zera. Podstawy implementacji w Pythonie
Seth Weidman
Uczenie głębokie (ang. deep learning) zyskuje ostatnio ogromną popularność. Jest to ściśle związane z coraz częstszym zastosowaniem sieci neuronowych w przeróżnych branżach i dziedzinach. W konsekwencji inżynierowie oprogramowania, specjaliści do spraw przetwarzania danych czy osoby w praktyce zajmujące się uczeniem maszynowym muszą zdobyć solidną wiedzę o tych zagadnieniach. Przede wszystkim trzeba dogłębnie zrozumieć podstawy uczenia głębokiego. Dopiero po uzyskaniu biegłości w posługiwaniu się poszczególnymi koncepcjami i modelami możliwe jest wykorzystanie w pełni potencjału tej dynamicznie rozwijającej się technologii. Ten praktyczny podręcznik, poświęcony podstawom uczenia głębokiego, zrozumiale i wyczerpująco przedstawia zasady działania sieci neuronowych z trzech różnych poziomów: matematycznego, obliczeniowego i konceptualnego. Takie podejście wynika z faktu, że dogłębne zrozumienie sieci neuronowych wymaga nie jednego, ale kilku modeli umysłowych, z których każdy objaśnia inny aspekt działania tych sieci. Zaprezentowano tu również techniki implementacji poszczególnych elementów w języku Python, co pozwala utworzyć działające sieci neuronowe. Dzięki tej książce stanie się jasne, w jaki sposób należy tworzyć, uczyć i stosować wielowarstwowe, konwolucyjne i rekurencyjne sieci neuronowe w różnych praktycznych zastosowaniach. W książce między innymi: matematyczne podstawy uczenia głębokiego tworzenie modeli do rozwiązywania praktycznych problemów standardowe i niestandardowe techniki treningu sieci neuronowych rozpoznawanie obrazów za pomocą konwolucyjnych sieci neuronowych rekurencyjne sieci neuronowe, ich działanie i implementacja praca z wykorzystaniem biblioteki PyTorch Uczenie głębokie: zrozum, zanim zaimplementujesz!
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
Jon Krohn, Grant Beyleveld, Aglaé Bassens
Uczenie maszynowe jest przyszłością naszej cywilizacji. Już dziś wywiera ogromny wpływ na nasze życie. Odmieniło kształt wielu sektorów: usług konsumenckich, inżynierii, bankowości, medycyny czy produkcji. Trudno też przewidzieć zmiany, jakie potęga sieci neuronowych przyniesie nam w nadchodzących latach. Osoby zajmujące się zawodowo uczeniem głębokim i sieciami neuronowymi mogą liczyć na ekscytujące możliwości, jednak zaawansowana matematyka i teoria stanowiące podstawę uczenia maszynowego mogą zniechęcać do prób poważnego zajęcia się tą dziedziną. Ta książka jest nowatorskim podręcznikiem, w którym w zrozumiały, intuicyjny sposób opisano techniki sztucznej inteligencji. Została wzbogacona kolorowymi ilustracjami i zrozumiałym kodem, dzięki czemu pozwala o wiele łatwiej zagłębić się w złożoność modeli głębokiego uczenia. Trudniejsze zagadnienia matematyczne zostały ograniczone do niezbędnego minimum, przedstawiono je jednak w sposób maksymalnie przystępny. Po lekturze zrozumiesz, czym jest głębokie uczenie, dlaczego stało się tak popularne i jak się ma do innych dziedzin uczenia maszynowego. W pragmatyczny sposób opisano takie aspekty zastosowań głębokiego uczenia jak widzenie maszynowe, przetwarzanie języka naturalnego, generowanie obrazów, a nawet gra w różne gry. Prezentowane treści uzupełnia praktyczny kod i szereg wskazówek dotyczących korzystania z bibliotek Keras i TensorFlow. W książce między innymi: teoretyczne podstawy sztucznej inteligencji, w tym sieci neuronowe i ich trening oraz optymalizacja sieci konwolucyjne, rekurencyjne, GAN, głębokie uczenie przez wzmacnianie potencjał systemów głębokiego uczenia narzędzia do tworzenia, stosowania i usprawniania modeli głębokiego uczenia tworzenie interaktywnych aplikacji opartych na głębokim uczeniu Uczenie głębokie: przekonaj się na własne oczy!
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
Russ Miles, Kim Hamilton
Najtrudniejszym etapem każdego procesu tworzenia systemu informatycznego jest wykonanie odpowiedniego projektu. Umiejętność pogodzenia wymagań użytkowników i osób finansujących system z możliwościami oferowanymi przez technologię jest kluczowym elementem sukcesu. Im bardziej złożony system, tym bardziej zawiły staje się projekt. Konieczność ustandaryzowana technik projektowania systemów zaowocowała powstaniem narzędzi, dzięki którym nawet najbardziej skomplikowany projekt można przedstawić w prosty i czytelny sposób. Takim narzędziem jest notacja UML -- zestaw ikon tworzących diagramy opisujące system i jego elementy. Książka "UML 2.0. Wprowadzenie" w praktyczny sposób przedstawia techniki modelowania systemów informatycznych za pomocą języka UML 2.0. Czytając ją, nauczysz się graficznie przedstawiać otoczenie systemu, wymagania stawiane przez użytkowników i metody ich implementacji w systemie. Utworzysz diagramy klas, interakcji, komponentów, wdrożenia i inne, które opisują projekt w jednoznaczny oraz prosty sposób. Dowiesz się także, jak zaplanować proces wdrożenia produktu za pomocą UML. Elementy języka UML Modelowanie wymagań za pomocą przypadków użycia Diagramy czynności i sekwencji Modelowanie klas i powiązań pomiędzy nimi Diagramy komponentów Podział modelu na pakiety Modelowanie wdrożenia systemu Poznaj nowoczesne metody projektowania systemów informatycznych.