Коллекция: Машинное обучение

Говорят, что физик Ричард Фейнман однажды сказал: «Я не понимаю того, чего не могу создать». Основываясь на этом же важном принципе, автор бестселлеров Себастьян Рашка шаг за шагом ведет вас к созданию LLM в стиле GPT, которую вы сможете запустить на своем ноутбуке. Это увлекательная книга, которая охватывает каждый этап процесса – от планирования и кодирования до обучения и тонкой настройки. «Строим LLM с нуля» – это чрезвычайно занимательное путешествие в основы генеративного ИИ. Не полагаясь на существующие библиотеки LLM, вы реализуете в коде базовую модель, превратите ее в классификатор текста и в конечном счете создадите чат-бот, который сможет следовать вашим инструкциям в диалоге. И вы действительно поймете LLM, потому что создали ее сами! После покупки предоставляется дополнительная возможность скачать книгу в формате epub.

Проектирование и развертывание системы машинного обучения – это сложный многоэтапный процесс, требующий разнообразных компетенций и участия специалистов разных ролей. Независимо от того, интегрируете ли вы ML в существующий проект или проектируете ML-систему с нуля, вам необходимо ориентироваться в огромных датасетах и потоках, определять требования к тестированию и развертыванию, а также учитывать сложности внедрения ML-моделей в продакшен. Это практическое руководство по полному циклу разработки ML-проектов. Вы шаг за шагом пройдете весь фреймворк: проектирование, внедрение, релиз и сопровождение ML-системы. Чек-листы с необходимыми требованиями и примеры из реальной практики помогут развернуть и оптимизировать вашу собственную ML-систему. Вам особенно понравятся авторские байки и советы из личного опыта авторов, а также рекомендации по подготовке к System design интервью. После покупки предоставляется дополнительная возможность скачать книгу в формате epub.

Освойте математический аппарат, который необходим, чтобы преуспеть в сфере data science, машинного обучения и статистики. Автор книги Томас Нилд поможет вам разобраться в таких дисциплинах, как математический анализ, теория вероятностей, линейная алгебра и статистика, и научиться применять их в контексте таких методов, как линейная регрессия, логистическая регрессия и нейронные сети. Попутно вы узнаете, что представляет собой современная область data science и как использовать полученные знания, чтобы достичь максимального успеха в карьере. После покупки предоставляется дополнительная возможность скачать книгу в формате epub.

От новичка до эксперта в разработке ИИ-приложений на Python! Перед вами руководство для погружения в мир искусственного интеллекта с применением одного из самых популярных языков программирования. Идеально подходит тем, кто хочет освоить ключевые инструменты и методологии, включая CNN для компьютерного зрения и NLP-модели с TensorFlow 2. Предлагаются полезные проекты и продвинутые концепции, такие как механизмы внимания, трансформеры и GAN. Автор делится опытом создания сложных моделей и разработки современных приложений ИИ, делая акцент на практическое освоение технологий. Приложения ИИ станут реальностью быстрее, чем этого можно ожидать. Независимо от уровня подготовки, эта книга обеспечит знаниями и инструментами, необходимыми для успешного старта и развития в сфере разработки ИИ на Python.

Хотите успешно пройти Coding Interview в ведущую IT-компанию? Эта книга меняет правила игры в подготовке к кодинг-интервью. Алекс Сюй предлагает структурированный подход к распространенным паттернам, разбирает сложные концепции и делает реальные задачи намного доступнее. Практические примеры, детальные объяснения и реальные задачи помогут не только пережить интервью, но и отточить навыки кодинга. А практические советы помогут понять на что именно обращают внимание эксперты, проводящие собеседования. В ваших руках 464 страницы проверенного на практике знания, которое тысячи разработчиков уже использовали для карьерного взлета!

Машинное обучение – это набор методов анализа данных, основанных на алгоритмах, которые дают все более точные результаты по мере поступления новых данных. Машинное обучение лежит в основе систем рекомендаций, программ распознавания лиц, «умных» колонок и даже беспилотных автомобилей. Эта уникальная книга объясняет основные понятия машинного обучения на простых и доступных примерах, увлекательных упражнениях и запоминающихся иллюстрациях. Здесь нет зубодробительного академического жаргона, для понимания объяснений достаточно знаний основ алгебры. По мере чтения вы будете создавать модели для идентификации спама и распознавания изображений и другие интересные проекты на языке Python. Откройте для себя мощные методы машинного обучения, для понимания и применения которых достаточно знаний математики на уровне средней школы! Для читателей, знающих основы языка Python. Знаний в области машинного обучения не требуется.

Что такое промптинг простыми словами? Умение составлять четкие и понятные инструкции (запросы или промпты) для искусственного интеллекта, чтобы получить именно тот результат, который нужен. Почему это важно? Потому что качество вашего запроса напрямую влияет на качество ответа ИИ. Хороший запрос – как хорошо заданный вопрос учителю: он помогает получить полезный и точный ответ. Плохой запрос – как размытый вопрос, на который сложно дать конкретный ответ. Это очень сложно? Мы начнем с простых вещей и постепенно перейдем к более сложным приемам, которые помогут использовать все возможности искусственного интеллекта. У меня получится? Обязательно! Пробуйте сразу, экспериментируйте с примерами запросов. Меняйте их, подстраивайте под свои задачи. В книге есть готовые примеры запросов для разных задач, которые можно использовать уже сегодня. Не бойтесь ошибаться – общение с ИИ безопасно.

Интервью по System Design (проектированию ИТ-систем) очень популярны у работодателей, на них легко проверить ваши навыки общения и оценить умение решать реальные задачи. Интенсивный практикум по проектированию сложных ML-систем сфокусирован на самой горячей теме последних лет: генеративном искусственном интеллекте. Если вы датасайентист или ML-инженер, готовый перейти от теоретических знаний и изолированных моделей к созданию полноценных, масштабируемых и надежных продуктов, эта книга для вас. Авторы не просто рассказывают о трансформерах и диффузионных моделях – они проводят читателя через весь жизненный цикл системы: от сбора и очистки данных и выбора архитектуры до развертывания и мониторинга. Книга построена вокруг разбора реальных кейсов (Gmail Smart Compose, Google Translate, ChatGPT), что делает её бесценным ресурсом для подготовки к сложным интервью по System Design и для реальной работы.

Книга дает прочные знания математики, лежащей в основе работы современных систем ИИ. Приведены необходимые и достаточные сведения для успешной работы в области ИИ, без углубления в сложные академические теории, с акцентом на практическом применении и современных моделях. Даны основы машинного обучения и науки о данных. Рассмотрены регрессия, нейронные сети, свертка, оптимизация, вероятность, марковские процессы, дифференциальные уравнения и многое другое исключительно в контексте искусственного интеллекта. Показано, как объединять модели машинного обучения и естественного языка, работать с графовыми и сетевыми данными, визуализировать преобразования пространства, уменьшать размерность, обрабатывать изображения, выбирать модели и для проектов, основанных на данных.