Umelá inteligencia pre dátovú vedu: Rámce a funkcie umelej inteligencie pre hlboké učenie, optimalizáciu a ďalšie oblasti

Recenzie čitateľov

Kniha slúži ako cenný zdroj informácií pre začínajúcich aj skúsených dátových vedcov, ktorí chcú pochopiť a implementovať umelú inteligenciu, najmä hlboké učenie. Existuje však znepokojujúci problém s porušením autorských práv, ktorý sa dotkol niektorých čitateľov.

Dobre napísaná a informatívna s komplexným pokrytím základov hlbokého učenia, nástrojov a rámcov. Obsahuje praktické príklady kódovania a dotýka sa relevantných tém AI, ako sú veľké objemy dát a nové techniky, napríklad transferové učenie a kapsulové siete.

Kniha má niekoľko gramatických chýb, ktoré môžu narušiť zážitok z čítania. Okrem toho sa v nej vyskytujú problémy súvisiace s porušovaním autorských práv, ktoré mali vplyv na niektorých používateľov, čo spôsobilo frustráciu zo stratených možností audioknihy.

(na základe 2 čitateľských recenzií)

Pôvodný názov:

AI for Data Science: Artificial Intelligence Frameworks and Functionality for Deep Learning, Optimization, and Beyond

Obsah knihy:

Osvojte si prístupy a princípy algoritmov umelej inteligencie (AI) a aplikujte ich na projekty dátovej vedy pomocou kódu Python a Julia.

Začínajúci a praktizujúci odborníci v oblasti dátovej vedy a umelej inteligencie spolu s programátormi v jazykoch Python a Julia si precvičia množstvo algoritmov umelej inteligencie a rozvinú komplexnejšie chápanie oblasti umelej inteligencie a naučia sa, kedy použiť jednotlivé rámce na riešenie projektov v našom čoraz zložitejšom svete.

Prvé dve kapitoly predstavujú túto oblasť, pričom v kapitole 1 je prehľad modelov hlbokého učenia a kapitola 2 poskytuje prehľad algoritmov nad rámec hlbokého učenia vrátane optimalizácie, fuzzy logiky a umelej kreativity.

Ďalšie kapitoly sa zameriavajú na rámce umelej inteligencie; obsahujú údaje a kód Pythonu a Júlie v poskytnutom Dockeri, takže si ich môžete vyskúšať. Kapitola 3 sa zaoberá Apache MXNet, kapitola 4 pokrýva TensorFlow a kapitola 5 skúma Keras. Po pokrytí týchto rámcov hlbokého učenia skúmame sériu optimalizačných rámcov, pričom kapitola 6 sa zaoberá optimalizáciou časticového roja (PSO), kapitola 7 genetickými algoritmami (GA) a kapitola 8 rozoberá simulované žíhanie (SA).

Kapitola 9 začína skúmanie pokročilých metód umelej inteligencie tým, že sa zaoberá konvolučnými neurónovými sieťami (CNN) a rekurentnými neurónovými sieťami (RNN). V kapitole 10 sa rozoberajú optimalizačné súbory a to, ako môžu pridať hodnotu do potrubia dátovej vedy.

Kapitola 11 obsahuje niekoľko alternatívnych rámcov AI vrátane extrémnych učiacich sa strojov (ELM), kapsulových sietí (CapsNets) a fuzzy inferenčných systémov (FIS).

Kapitola 12 obsahuje ďalšie úvahy, ktoré dopĺňajú preberané témy AI, vrátane konceptov Big Data, oblastí špecializácie Data Science a užitočných dátových zdrojov na experimentovanie.

Súčasťou je rozsiahly slovník pojmov, ako aj séria príloh, ktoré sa zaoberajú transferovým učením, učením s posilňovaním, systémami autoenkodérov a generatívnymi adverznými sieťami. K dispozícii je aj dodatok o obchodných aspektoch umelej inteligencie v projektoch dátovej vedy a dodatok o tom, ako používať obraz Docker na prístup k údajom a kódu knihy.

Oblasť umelej inteligencie je rozsiahla a prístup k nej môže byť pre nováčika ohromujúci. Táto kniha vás vyzbrojí solídnym pochopením tejto oblasti a navyše vás inšpiruje k ďalšiemu skúmaniu.