Если вы уже пытались узнать что-то о нейронных сетях и глубоком обу­чении, то, скорее всего, столкнулись с изобилием ресурсов, от блогов до массовых открытых онлайн-курсов различного качества и даже книг. Ресурсы по нейронным сетям обычно делятся на две категории. Некоторые из них касаются в основном концептуальной и математической части и содержат как рисунки, которые, как правило, встречаются в объяснениях нейронных сетей, так и круги, соединенные линиями со стрелками на концах, а также подробные математические объяснения того, что происходит, чтобы вы могли «вникнуть в матчасть». На других ресурсах — много кода, запустив который вы видите, как снижается ошибка и «обучается» нейронная сеть.

За последние несколько лет были разработаны новые инструменты автоматизации, которые решают задачи конвейеров машинного обучения, такие как TensorFlow Extended (TFX) и Kubeflow. Все больше и больше организаций начинают использовать эти инструменты для создания конвейеров машинного обучения, которые автоматизируют большую часть (или все) этапов построения и обучения моделей машинного обучения. В этой книге Ханнес и Кэтрин дают четкое и понятное руководство по автоматизации конвейеров машинного обучения.

Обработка естественного языка (NLP) — одно из направлений искусственного интеллекта (ИИ), ставящее перед собой цель научить машины понимать человеческие языки и реагировать на высказывания. Без этой базовой технологии невозможен ни один виртуальный помощник. Книга поможет вам обрести навыки, необходимые для создания собственного чат-бота и NLP-приложений, способных решать реальные задачи, такие как анализ предложений, улавливание смысла текста, составление текстов и т.д.

Излагается история развития научно-технических идей, связанных с информационными системами и технологиями прошлого, настоящего и будущего. Описываются интеграционные и инновационные процессы в науке и технике, прямое и обратное влияния научно-технического прогресса на образование и мировоззрение людей в информационном обществе. Вопросы для самостоятельной работы и возможные темы рефератов, включенные в пособие, нацелены на развитие самостоятельного мышления и любознательности как непременных условий продуктивной учёбы. Разработано в соответствии с идеологией и требованиями государственных образовательных стандартов к содержанию и уровню подготовки дипломированных специалистов информационно-технического профиля.

Благодаря серии выдающихся достижений глубокое обучение значительно усилило всю область машинного обучения. В наше время даже программисты, почти ничего не знающие об этой технологии, могут использовать простые и эффективные инструменты для реализации программ, которые способны обучаться на данных. Новое издание книги-бестселлера, опирающееся на конкретные примеры, минимум теории и готовые фреймворки Python производственного уровня, поможет вам получить интуитивное представление о концепциях и инструментах, предназначенных для построения интеллектуальных систем.

Искусственный интеллект (ИИ) получил широкое распространение в со­временном мире. Умные машины ежедневно выполняют анализ сложных данных: системы видеонаблюдения распознают лица, цифровые помощни­ки — устную речь, а автономные транспортные средства и роботы справля­ются с задачей навигации в неупорядоченном и неограниченном физическом мире. ИИ уже не только конкурирует с человеческими возможностями в таких областях, как обработка изображений, аудиоданных и текста, но часто и превосходит человека по скорости и уровню точности.

Эта книга — первый кросс-дисциплинарный гид по искусственному интеллекту на русском языке. Сильный искусственный интеллект — это следующая ступень в развитии ис­кусственного интеллекта (ИИ), не обязательно наделенного самосознанием, но, в отличие от современных нейросетей, способного справляться с широким кругом задач в разных условиях. Авторы книги рассказывают о том, что должен уметь сильный ИИ, какие научные подходы помогут его создать и как изменится мир с его появлением.

Машинное обучение — это сегодня один из самых быстро развивающихся разделов информатики, с приложениями в самых разных областях. Цель этой книги — познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами. Книга вмещает в себя обширный свод основополагающих теоретических идей машинного обучения и математические выкладки, благодаря которым эти идеи становятся практическими алгоритмами.

Многотомная работа посвящена систематическому изложению общих формализмов, математических моделей и алгоритмических методов, которые могут быть исспользуемы при моделировании и исследованиях математических моделей объектов искусственного интеллекта. Развиваются представления и методы решения, основанные на теориях эвристического поиска и автоматическом доказательстве теорем, а также процедуральные методы, базирующиеся на классе проблемно-ориентированных языков, сочетающих свойства языков программирования и автоматических решателей задач отображения искусственного интеллекта различными математическими средствами.

С помощью этой книги Вы сможете начать работу с Apache Flink, фреймворком с открытым исходным кодом, на котором основаны многие крупнейшие в мире системы для обработки потоковых данных. Из книги Вы получите фундаментальные понятия о параллельной потоковой обработке и узнаете, чем эта технология отличается от традиционной пакетной обработки данных. Авторы книги, которые заняты в проекте Apache Flink с первых дней, покажут вам, как создавать масштабируемые потоковые приложения с помощью API Flink DataStream, а также непрерывно выполнять и поддерживать эти приложения в операционных средах.