Прагматичный ИИ. Машинное обучение и облачные технологии.

Автор - Ной Гифт

Книга Ноя Гифта "Прагматичный ИИ: Машинное обучение и облачные технологии" предназначена для всех, кого интересуют ИИ, машинное обучение, облачные вычисления, а также любое сочетание данных тем. Как программисты, так и не-программисты найдут тут для себя крупицы полезной информации. Многие студенты, с которыми автор пересекался на семинарах в NASA, PayPal и в Калифорнийском университете в Дэвисе, смогли усвоить эти идеи даже при очень ограниченном опыте программирования или вообще без такового. В данной книге активно используется Python — один из лучших языков для новичков в программировании. В то же время здесь рассматривается множество таких продвинутых тем, как использование платформ облачных вычислений (например, AWS, GCP и Azure), а также программирование машинного обучения и ИИ. Продвинутые технологи, свободно владеющие Python, облачными вычислениями и машинным обучением, тоже найдут для себя много полезных идей, которые смогут сразу применить в своей текущей работе.

Данная книга разбита на три части: часть I «Введение в прагматичный ИИ»; часть II «ИИ в облаке» и часть III «Создание реальных приложений ИИ с нуля». В части I главы 1-3 являются вводными. Глава 1 «Что такое ИИ» включает обзор целей книги и очень краткое руководство по Python, содержащее ровно столько информации, сколько нужно пользователю для понимания кода Python в этой книге. Глава 2 «ИИ и инструменты машинного обучения» охватывает жизненный цикл систем сборки, использование командной строки и блокнотов Jupiter в рамках проекта по исследованию данных. Глава 3 «Спартанский жизненный цикл ИИ» показывает петлю обратной связи при прагматической эксплуатации проектов. Здесь описываются такие утилиты и фреймворки, как Docker, SageMaker из AWS, а также тензорные процессоры, предназначенные для использования с библиотекой TensorFlow (TensorFlow, Processing Units, TPU). В части II главы 4 и 5 рассматривают AWS и облачную инфраструктуру Google. Глава 4 «Разработка ИИ в облачной среде с помощью облачной платформы Google» описывает облачную платформу Google (Google Cloud Platform, GCP) и некоторые из предлагаемых ею уникальных, удобных для разработчика возможностей. В ней охвачены такие сервисы, как TPU, Colaboratory и Datalab. Глава 5 «Разработка ИИ в облачной среде с помощью веб-сервисов Amazon» углубляется в вопросы последовательности выполняемых при работе с AWS действий, например использования спотовых виртуальных узлов, CodePipeline, Boto и тестирования программ на его основе, а также включает высокоуровневый обзор сервисов. В части III главы 6-11 охватывают прикладные приложения ИИ с примерами. Глава 6 «Прогноз популярности в соцсетях в НБА» основана на моей работе в стартапе, нескольких статьях и докладе на конференции Strata. Охвачены такие темы, как «Что определяет стоимость команды?», «Растет ли число фанатов на играх в результате побед команды?», «Коррелирует ли зарплата игрока с его деятельностью в соцсетях?». Глава 7 «Создание интеллектуального бота Slack в AWS» рассказывает о создании бессерверного чат-бота для скрапинга веб-сайтов и отправки информации обратно на Slack. Глава 8 «Извлечение полезной информации об управлении проектами из учетной записи GitHub-организации» исследует распространенный источник поведенческих данных — метаданные GitHub. Для поиска бесценных поведенческих данных мы воспользуемся библиотекой Pandas, блокнотами Jupyter и утилитой командной строки click. Глава 9 «Динамическая оптимизация виртуальных узлов ЕС2 в AWS» демонстрирует возможности выбора оптимальной цены с помощью приемов машинного обучения на основе сигналов AWS. Глава 10 «Недвижимость» посвящена изучению цен на дома — местных и в масштабах всей страны — с помощью машинного обучения и интерактивных графиков. Глава 11 «Промышленная эксплуатация ИИ для пользовательского контента» рассказывает о применении ИИ для работы с пользовательским контентом. Рассматриваются такие вопросы, как анализ тональности высказываний и рекомендательные системы. Приложение А «Аппаратные ускорители для ИИ» описывает аппаратные ускорители, специально рассчитанные на работу с ИИ. В качестве примера аппаратного ускорителя для ИИ можно привести TPU от компании Google. Приложение Б «Выбор размера кластера» рассматривает этот процесс скорее как искусство, а не как точную науку, несмотря на наличие некоторых методик, делающих его более прозрачным.

Издательство – Питер

Год издания – 2019

Формат книги - PDF

Размер - 29 Мб

СКАЧАТЬ с gigapeta.com

Или

СКАЧАТЬ с turbobit.net

Или

СКАЧАТЬ с hitfile.net