ИИ – прагматичный подход

AI - podejście pragmatyczne (książka)

• Autor: Noah Gift
• Wydawnictwo: APN PROMISE
• Rok wydania: 2018
• Oprawa: twarda
• Liczba stron: 296
• Format: 17.0 x 23.0 cm
• Numer ISBN: 9788375413632
• Kod paskowy (EAN): 9788375413632
• Kategoria: Książki > Literatura naukowa > Informatyka

Książka "AI - podejście pragmatyczne" - opis

Opanuj skuteczne, gotowe do użycia rozwiązania biznesowe dla sztucznej inteligencji i uczenia maszynowego

AI - podejście pragmatyczne pomaga rozwiązywać praktyczne problemy przy użyciu nowoczesnego uczenia maszynowego, sztucznej inteligencji i chmurowych narzędzi obliczeniowych. Noah Gift demistyfikuje wszelkie koncepcje i narzędzia potrzebne do osiągnięcia wyników - nawet jeśli czytelnik nie ma solidnego przygotowania z matematyki lub data science.

Autor wyjaśnia skuteczne, gotowe do użycia rozwiązania udostępniane przez Amazon, Google i Microsoft oraz demonstruje sprawdzone techniki wykorzystujące ekosystem analizy danych oparty na języku Python. Proponowane podejścia i przykłady pomagają ukierunkować i uprościć każdy krok od wdrożenia po produkcję i budować rozwiązania o niezwykłych możliwościach skalowania. W miarę poznawania działania rozwiązań Machine Language (ML) będziesz uzyskiwać coraz bardziej intuicyjne zrozumienie tego, co można dzięki nim osiągnąć i jak zmaksymalizować ich wartość.

Na tych podstawach autor krok po kroku prezentuje budowanie chmurowych aplikacji AI/ML do rozwiązywania realistycznych problemów w dziedzinie marketingu, zarządzania projektami, wyceniania produktów, nieruchomości i dużo więcej.

Bez względu na to, czy jesteś profesjonalistą biznesowym, osobą decyzyjną, studentem czy programistą, eksperckie wskazówki autora i rozbudowane analizy przypadków przygotują cię do rozwiązywania problemów data science w niemal dowolnym środowisku.

- Uzyskaj i skonfiguruj wszystkie potrzebne narzędzia.

- Szybko przejrzyj wszystkie funkcjonalności Pythona, których potrzebujesz do budowania aplikacji uczenia maszynowego.

- Opanuj narzędzia AI i ML oraz cykl życia projektu.

- Korzystaj z narzędzi analitycznych Pythona, takich jak IPython, Pandas, Numpy, Juypter Notebook i Sklearn.

- Dołącz pragmatyczną pętlę zwrotną, która pozwoli nieustannie poprawiać wydajność naszych procedur i systemów.

- Projektuj chmurowe rozwiązania AI oparte na Google Cloud Platform, uwzględniając usługi TPU, Colaboratory i Datalab.

- Definiuj chmurowe przepływy pracy w Amazon Web Services, w tym wystąpienia punktowe, potoki kodu i inne.

- Pracuj z API sztucznej inteligencji w Microsoft Azure.

- Poznaj budowanie sześciu rzeczywistych aplikacji AI od początku do końca.