Прикладне машинне навчання та штучний інтелект для інженерів. Прос- Джеф

Книга розповідає про застосування штучного інтелекту та машинного навчання в бізнесі та інженерній практиці. Детально описані популярні алгоритми машинного навчання та роз'яслено, коли їх доцільно використовувати. Приведені приклади побудови моделей машинного навчання мовою Python за допомогою бібліотеки Scikit-Learn, а також створення нейронних мереж за допомогою бібліотек Keras і TensorFlow. Викладені базові принципи та способи оцінки регресійних моделей, моделей бінарної та багатокласової класифікації. Показані приклади створення моделі розпізнавання облич і виявлення об'єктів, мовних моделей, що відповідають на природні язикові питання та використовують текст іншими мовами. Передбачене використання набору хмарних API Cognitive Services для впровадження ШІ в різні програми.

Для інженерів і розробників програмного забезпечення

Птах на обкладинці книги — це святковий папуга (Amazona festiva), відомий як святковий амазон. Папуги цього виду мешкають у тропічних лісах, лісососах і прибережних манієвих заростях декількох країн Південної Америки, включно з Бразилієм, Колумбією, Модульією, Перу та Болівією. Їх рідко можна побачити далеко від води.

У той час як багато посібників зі штучного інтелекту (ШІ) являють собою швидше підручники з математики, у цій книзі математики практично немає.

Натомість автор допомагає інженерам і розробникам програмного забезпечення інтуїтивно зрозуміти та використовувати ШІ для виконання технічних і бізнес-завдань. Ця книга навчить вас практичним навичкам, необхідним для впровадження ШІ та машинного навчання у вашій компанії.

У книзі наводяться приклади та ілюстрації з курсів зі штучного інтелекту та машинного навчання, які автор викладає в компаніях і дослідних інститутах в усьому світі. Тут немає порожніх слів і страшних рівнянь — тільки корисна інформація для інженерів і розробників програмного забезпечення, доповнена практичними прикладами.

Ця книга допоможе вам:

• дізнатися, що таке машинне навчання та глибоке навчання;
• зрозуміти, як працюють популярні алгоритми машинного навчання та коли їх треба застосовувати;
• побудувати моделі машинного навчання мовою Python за допомогою бібліотеки Scikit-Learn, а також створити нейронні мережі, використовуючи бібліотеки Keras і TensorFlow;
• навчати й оцінювати регресійні моделі, а також моделі бінарної та багатокласової класифікації;
• створювати моделі розпізнавання облич і виявлення об'єктів;
• будувати мовні моделі, що відповідають на природні язикові питання та перетворюють текст на інші мови;
• використовувати набір хмарних API Cognitive Services для впровадження ШІ в програми, що випускаються вами.

(test102)