Suchergebnisse
Tablice informatyczne. TypeScript
Marcin Felczerek
Nie pamiętasz? Zerknij do tablic! TypeScript to opracowany przez firmę Microsoft statycznie typowany wariant języka ECMAScript, czyli popularnego JavaScriptu. Pozwala pisać programy na dowolne platformy bazujące na JS, a więc Node.js, Electron czy na strony WWW, a przy tym oferuje szereg dodatkowych możliwości, dzięki czemu zdobywa coraz większą popularność wśród profesjonalnych deweloperów. Tablice informatyczne. TypeScript to niezwykle skondensowane źródło wiedzy, które umożliwia szybkie przypomnienie sobie składni i konstrukcji języka oraz sposobów ich zastosowania. Przejrzysty układ tablic sprawi, że z łatwością odszukasz informacje o typach oferowanych przez TypeScript, a także zaznajomisz się z metodami korzystania z bibliotek i zarządzania projektem opracowanym w TS. Składnia, instrukcje i funkcje języka TypeScript Typy proste i złożone Zaawansowane możliwości TS Biblioteki i deklaracje Zarządzanie projektem i kompilacja TypeScript - prosto do celu!
Tablice informatyczne. Wzorce projektowe
Daniel Krasnokucki
Wzorce projektowe bez tajemnic! Odkryj najlepsze z używanych obecnie wzorców projektowych Dowiedz się, jaki wzorzec zastosować w konkretnym przypadku Naucz się właściwie wykorzystywać dany wzorzec w praktyce Wzorce projektowe ułatwiają tworzenie dobrego oprogramowania, umożliwiają unikanie typowych błędów i stanowią sprawdzone rozwiązania problemów informatycznych, z którymi ktoś kiedyś miał już do czynienia. Korzysta się z nich w celu zapewnienia wysokiej jakości wynikowego kodu i elastyczności rozwiązania programistycznego oraz skrócenia czasu jego tworzenia. Jeśli nie chcesz wymyślać koła na nowo i nie masz zamiaru podejmować beznadziejnego trudu zrobienia tego lepiej niż tysiące osób przed Tobą, wzorce projektowe są właśnie dla Ciebie! Stosuj je w codziennej pracy, korzystając z praktycznej ściągi, zawierającej najpotrzebniejsze informacje o najbardziej przydatnych wzorcach, dzięki którym Twoje programy będą spełniały branżowe standardy! Wzorce konstrukcyjne, strukturalne i operacyjne Zależności występujące między wzorcami Przeznaczenie i implementacja poszczególnych wzorców Zastosowanie wzorców projektowych w praktyce Tablice informatyczne — cała wiedza pod ręką!
Denis Rothman
Transformery zrewolucjonizowały przetwarzanie języka naturalnego, analizę obrazów i komputerowe widzenie. Oparte na transformerach duże modele generatywne dostępne za pośrednictwem systemu ChatGPT z GPT-4V w zadaniach przetwarzania tekstu i obrazów przewyższają wydajność człowieka. Aby uczestniczyć w tej nowej erze technologicznej, musisz zrozumieć, jak działają transformery. Tę książkę docenią praktycy: analitycy danych i inżynierowie uczenia maszynowego. Opisano w niej różne architektury transformerów - od pierwszych modeli podstawowych po najnowsze osiągnięcia w generatywnej sztucznej inteligencji. Dzięki lekturze nauczysz się wstępnego szkolenia i dostrajania modeli LLM, a także pracy nad różnymi przypadkami użycia. Poznasz takie problemy jak halucynacje i zagrożenia prywatności, a następnie dowiesz się, jak je łagodzić. W książce pokazano ponadto, jak poprawiać dokładność modeli LLM i uzyskiwać większą kontrolę nad generowanymi przez nie wynikami. Nie zabrakło ciekawych szczegółów dotyczących modeli generatywnych opartych na transformerach, modeli wizyjnych i architektur multimodalnych, jak również opisu najlepszych praktyk. Najciekawsze tematy: wstępne szkolenie i dostrajanie modeli LLM platformy: Hugging Face, OpenAI i Google Vertex AI tokenizery i najlepsze praktyki wstępnego przetwarzania danych językowych techniki łagodzenia halucynacji wizualizacja aktywności modeli transformerów z użyciem systemów BertViz, LIME i SHAP modele wizyjne i multimodalne oparte na transformerach: CLIP, DALL-E 2, DALL-E 3 i GPT-4V Sztuczna inteligencja, która widzi i mówi - przekonaj się, jak to działa!
Tworzenie aplikacji AI z LlamaIndex. Praktyczny przewodnik po RAG i LLM
Andrei Gheorghiu
Chociaż sztuczna inteligencja (AI), która generuje treści, wciąż się rozwija, to nadal boryka się z pewnymi ograniczeniami. Mogą to być trudności w odróżnianiu prawdy od fałszu, problem z utrzymaniem kontekstu w długich dokumentach czy występowanie nieprzewidywalnych błędów w rozumowaniu i zapamiętywaniu faktów. Generowanie wspomagane wyszukiwaniem (RAG) ułatwia rozwiązanie wielu z tych problemów, a narzędziem, które do tego służy, jest framework LlamaIndex. Dzięki tej książce łatwiej poradzisz sobie z zastosowaniem ekosystemu LlamaIndex i nauczysz się wdrażać własne projekty. Na praktycznych przykładach zapoznasz się z procesem personalizacji i uruchamiania projektów LlamaIndex. Dowiesz się, jak przezwyciężać ograniczenia dużych modeli językowych, zbudujesz aplikacje dla użytkowników końcowych i zdobędziesz umiejętności w zakresie pozyskiwania danych, indeksowania, obsługi zapytań i łączenia dynamicznych baz wiedzy, obejmujących generatywną sztuczną inteligencję i duże modele językowe. Pod koniec lektury zagłębisz się w tworzenie niestandardowych rozwiązań, co pozwoli Ci dobrze zrozumieć możliwości i zastosowania LlamaIndex. Ciekawsze zagadnienia: ekosystem LlamaIndex i typowe przypadki użycia wprowadzanie i analizowanie w LlamaIndex danych z różnych źródeł tworzenie zoptymalizowanych indeksów wysyłanie zapytań do LlamaIndex i interpretacja odpowiedzi koszty i kwestie prywatności wdrażanie aplikacji LlamaIndex Pokochaj LlamaIndex - i twórz inteligentne aplikacje!
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 przez wzmacnianie w finansach. Wprowadzenie z wykorzystaniem Pythona
Yves J. Hilpisch
Uczenie przez wzmacnianie okazało się przełomowym rozwiązaniem. Jednym z najciekawszych algorytmów jest Deep Q-Learning (DQL), który może być stosowany do zmieniających się warunków decyzyjnych. DQL w wielu przypadkach wykazuje skuteczność nieosiągalną dla człowieka. Nic dziwnego, że użycie tego rodzaju algorytmów w branży finansowej wydaje się wyjątkowo atrakcyjną opcją. Ta książka jest zwięzłym wprowadzeniem do głównych zagadnień i aspektów uczenia przez wzmacnianie i algorytmów DQL. Docenią ją zarówno naukowcy, jak i praktycy poszukujący skutecznych algorytmów, przydatnych w pracy z finansami. Znajdziesz tu wiele interesujących przykładów w języku Python, zaprezentowanych w formie najciekawszych algorytmów gotowych do samodzielnego modyfikowania i testowania. W książce między innymi: uczenie przez wzmacnianie algorytm DQL algorytm aktor-krytyk implementacja powyższych algorytmów w Pythonie rozwiązywanie problemów handlu algorytmicznego, hedgingu dynamicznego i dynamicznej alokacji środków w aktywa Książka ta doskonale wypełnia lukę między teorią a praktyką dzięki jasnym objaśnieniom i szczegółowemu kodowi w Pythonie! Ivilina Popova, Texas State University
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
Matt Harrison
Uczenie maszynowe i nauka o danych są dziś ogromnie popularne. Dziedziny te szybko się rozwijają, a poszczególne techniki uczenia maszynowego znajdują coraz więcej różnorodnych zastosowań. Wiedza, którą można uzyskać dzięki odpowiedniemu przygotowaniu danych i ich eksploracji, często jest bezcenna. Umiejętność ich analizy oraz wiedza o możliwych sposobach rozwiązywania problemów napotykanych podczas uczenia maszynowego są więc dużymi atutami i mogą być wykorzystywane w wielu gałęziach nauki, techniki i biznesu. Z tego zwięzłego przewodnika po technikach uczenia maszynowego opartego na strukturalnych danych skorzystają programiści, badacze, osoby zajmujące się nauką o danych oraz twórcy systemów sztucznej inteligencji. Znalazł się tu wyczerpujący opis procesu uczenia maszynowego i klasyfikacji danych strukturalnych. Przedstawiono też metody klastrowania danych, analizy regresji, redukcji wymiarowości oraz inne ważne zagadnienia. Prezentowane treści zostały zilustrowane uwagami, tabelami i przykładami kodu. Nie zabrakło opisu przydatnych bibliotek, niezwykle użytecznych w pracy analityka danych. W efekcie książka pozwala na szybkie rozwiązywanie różnego rodzaju problemów związanych z przetwarzaniem danych strukturalnych. W książce między innymi: klasyfikacja, oczyszczanie i uzupełnianie braków danych eksploracyjna analiza danych i dobór modelu danych przykłady analiz regresji redukcja wymiarowości potoki w bibliotece scikit-learn Uczenie maszynowe: nowy wymiar analizy danych!
VBA dla Excela 2021 i 365 PL. 234 praktyczne przykłady
Witold Wrotek
Excel z VBA - nowy poziom wydajności Odkryj język VBA i jego zastosowania Poznaj sztukę tworzenia makropoleceń Zautomatyzuj swoją pracę w Excelu Masz dość wykonywania ciągle tych samych zadań? Musisz pilnie opracować kolejny raport dla szefa? Od wpatrywania się w tabele w Excelu Twoje oczy robią się kwadratowe? A może masz już dość bycia zwykłym użytkownikiem aplikacji i chcesz czegoś więcej? Świetnie! Wsparcie nadchodzi! Excel to niezwykle popularny i uniwersalny program umożliwiający przeprowadzanie obliczeń naukowych, statystycznych, finansowych, analizę danych, wizualizację wyników i tworzenie rozbudowanych raportów. Ciekawie robi się jednak dopiero wtedy, gdy zachodzi potrzeba automatyzacji działań i prowadzenia interakcji z użytkownikami arkusza lub innymi aplikacjami pakietu Microsoft Office. Ciekawie, a może raczej trudno? Spokojnie, wszystko masz pod ręką, wystarczy skorzystać z tego, co oferuje język Visual Basic for Applications. Jeśli chcesz wejść na wyższy poziom i dowiedzieć się, jak upraszczać i przyspieszać pracę z Excelem, sięgnij po tę książkę! Dzięki niej szybko i łatwo poznasz możliwości makr, metody ich tworzenia, konstrukcje języka VBA i różne sposoby ich zastosowania. Wiedza nie jest tu oderwana od rzeczywistości, lecz przekazywana w odniesieniu do praktycznych przykładów z życia. A to oznacza, że nauczysz się nie tylko skutecznie programować, lecz również rozwiązywać prawdziwe problemy, z którymi na co dzień mierzy się wielu użytkowników Excela. Ruszaj w drogę, przygoda czeka! Makropolecenia i język VBA w Excelu Korzystanie z edytora języka VBA Komunikacja z użytkownikiem aplikacji Zastosowanie zmiennych i obiektów arkusza Używanie instrukcji warunkowych i podprogramów Obsługa zdarzeń i korzystanie z zakresów arkusza Zastosowanie funkcji arkuszowych i elementów sterujących Automatyzacja pracy w Excelu? Tylko z VBA!