Прикладное машинное обучение и искусственный интеллект для инженеров. Просиз Джеф

Книга рассказывает о применении искусственного интеллекта и машинного обучения в бизнесе и инженерной практике. Подробно описаны популярные алгоритмы машинного обучения и разъяснено, когда их целесообразно использовать. Приведены примеры построения моделей машинного обучения на языке Python с помощью библиотеки Scikit-Learn, а также создания нейронных сетей посредством библиотек Keras и TensorFlow. Изложены базовые принципы и способы оценки регрессионных моделей, моделей бинарной и многоклассовой классификации. Показаны примеры создания модели распознавания лиц и обнаружения объектов, языковых моделей, отвечающих на естественно-языковые вопросы и переводящих текст на другие языки. Рассмотрено использование набора облачных API Cognitive Services для внедрения ИИ в различные приложения.

Для инженеров и разработчиков программного обеспечения

Птица на обложке книги — это праздничный попугай (Amazona festiva), известный как праздничный амазон. Попугаи этого вида обитают в тропических лесах, лесополосах и прибрежных мангровых зарослях нескольких стран Южной Америки, включая Бразилию, Колумбию, Эквадор, Перу и Боливию. Их редко можно встретить вдали от воды.

В то время как многие руководства по искусственному интеллекту (ИИ) представляют собой скорее учебники по математике, в этой книге математики практически нет.

Вместо этого автор помогает инженерам и разработчикам программного обеспечения интуитивно понять и использовать ИИ для решения технических и бизнес-задач. Эта книга научит вас практическим навыкам, необходимым для внедрения ИИ и машинного обучения в вашей компании.

В книге приводятся примеры и иллюстрации из курсов по искусственному интеллекту и машинному обучению, которые автор преподает в компаниях и исследовательских институтах по всему миру. Здесь нет пустых слов и страшных уравнений — только полезная информация для инженеров и разработчиков программного обеспечения, дополненная практическими примерами.

Эта книга поможет вам:

• узнать, что такое машинное обучение и глубокое обучение;
• понять, как работают популярные алгоритмы машинного обучения и когда их следует применять;
• построить модели машинного обучения на языке Python с помощью библиотеки Scikit-Learn, а также создать нейронные сети, используя библиотеки Keras и TensorFlow;
• обучать и оценивать регрессионные модели, а также модели бинарной и многоклассовой классификации;
• создавать модели распознавания лиц и обнаружения объектов;
• строить языковые модели, отвечающие на естественно-языковые вопросы и переводящие текст на другие языки;
• использовать набор облачных API Cognitive Services для внедрения ИИ в создаваемые вами приложения.

(test102)