Python

40 алгоритмов, которые должен знать каждый программист на Python, Ахмад И., 2023.
 
Понимание работы алгоритмов и умение применять их для решения прикладных задач — must-have для любого программиста или разработчика. Эта книга поможет вам не только развить навыки использования алгоритмов, но и разобраться в принципах их функционирования, в их логике и математике. Вы начнете с введения в алгоритмы, от поиска и сортировки перейдете к линейному программированию, ранжированию страниц и графам и даже поработаете с алгоритмами машинного обучения. Теории не бывает без практики, поэтому вы займетесь прогнозами погоды, кластеризацией твитов, механизмами рекомендаций фильмов. И, наконец, освоите параллельную обработку, что даст вам возможность решать задачи, требующие большого объема вычислений. Дойдя до конца, вы превратитесь в эксперта по решению реальных вычислительных задач с применением широкого спектра разнообразных алгоритмов.

Шаблоны и практика глубокого обучения, Ферлитш Э., 2022.
 
В книге рассматриваются актуальные примеры создания приложений глубокого обучения с учетом десятилетнего опыта работы автора в этой области. Вы сэкономите часы проб и ошибок, воспользовавшись представленными здесь шаблонами и приемами. Проверенные методики, образцы исходного кода и блестящий стиль повествования позволят с увлечением освоить даже непростые навыки. По мере чтения вы получите советы по развертыванию, тестированию и техническому со- провождению ваших проектов. Издание предназначено для инженеров машинного обучения, знакомых с Python и глубоким обучением.

Трехмерное глубокое обучение на Python, Ма К., Хегде В., Йольан Л., 2023.
 
В этом руководстве исследуется современное трехмерное глубокое обучение: приводятся пошаговые объяснения базовых понятий и концепций, а также практические примеры, на основе которых вы сможете создавать собственные модели. Вы научитесь обрабатывать 3D-данные с использованием облаков точек, полигональных сеток; работать с 3D-геометрией, моделями камеры, системами координат; разбираться в понятиях отрисовки, затенения и др.; применять современные продвинутые модели трехмерного глубокого обучения, такие как NeRF, SynSin, Mesh R-CNN. Издание предназначено для практиков машинного обучения от начального до среднего уровня, исследователей данных, а также инженеров машинного и глубокого обучения, которые хотят изучить и применять методы трехмерного компьютерного зрения.

Программирование GPU при помощи Python и CUDA, Тоуманен Б., 2020.
 
Книга предлагает быстрое погружение в программирование GPU. Вы узнаете, как применять закон Амдала, использовать профилировщик для определения узких мест в коде на Python, настроить окружения для программирования GPU. По мере чтения вы будете запускать свой код на GPU и писать полноценные ядра и функции на CUDA C, научитесь отлаживать код при помощи NSight IDE и получите представление об известных библиотеках от NVIDIA, в частности cuFFT и cuBLAS. Вооружившись этими знаниями, вы сможете написать с нуля глубокую нейронную сеть, использующую GPU, и изучить более основательные темы. Книга предназначена для разработчиков и специалистов по обработке данных, которые хотят познакомиться с основами эффективного программирования GPU для улучшения быстродействия, используя программирование на Python. Желательно общее знакомство с базовыми понятиями математики и физики, а также опыт программирования на Python и любом основанном на С языке программирования.

Прикладное машинное обучение без учителя с использованием Python, Пател А., 2020.
 
Эта книга рассчитана на читателей двух категорий. Первая, ощутимо боль­шая, категория — это специалисты по анализу и обработке данных, которым по долгу службы приходится работать с временными рядами, но делают они это не очень часто. Это могут быть как ветераны отрасли, так и начинающие ана­литики. Опытным специалистам материал первых глав покажется знакомым, но это не значит, что им можно пренебречь, — здесь описаны самые современные методы обработки данных и рассмотрены важные особенности управления вре­менными рядами. Аналитикам с небольшим рабочим опытом желательно прора­ботать все без исключения главы книги предельно внимательно, несмотря на их тематическую независимость друг от друга. Вторая категория читателей — руководители отделов по обработке и анализу данных в компаниях с интенсивным внутренним сбором информации. Если вы относитесь к этой группе читателей, то должны быть в курсе технологических решений, применяемых для обработки временных рядов, хотя вам и не прихо­дится заниматься программированием самостоятельно. Для вас эта книга будет полезна тем, что обозначит область применения временных рядов в существую­щих или создаваемых заново алгоритмах сбора и анализа данных. Назначение этой книги — помочь вам разобраться в технологиях, призванных упростить об­ работку существующих ресурсов данных.

Основы искусственного интеллекта, Нетехническое введение, Таулли Т., 2021.
 
Книга представляет собой увлекательное, нетехническое введение в такие важные понятия искусственного интеллекта (ИИ), как машинное обучение, глубокое обучение, обработка естественного языка, робототехника и многое другое. Проведено знакомство с историей и основными понятиями ИИ. Раскрыто значение данных как "топлива" для ИИ. Рассмотрены традиционные и продвинутые статистические методы машинного обучения, алгоритмы нейронных сетей для глубокого обучения, сферы применения разговорных роботов (чат-ботов), методы роботизации производственных процессов, технологии обработки естественного языка. Рассказано о применении языка Python и платформ TensorFlow и PyTorch при внедрении проектов ИИ. Освещены современные тренды ИИ: автономное вождение, милитаризация, технологическая безработица, изыскание новых лекарственных препаратов и другие.

Основы искусственного интеллекта в примерах на Python, Самоучитель, Постолит А.В., 2024.
 
Описаны инструментальные средства для разработки приложений искусствен­ного интеллекта. Даны основы языка программирования Python. Раскрыты основ­ные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-leam, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения, и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, де­монстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Во 2-м издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки. Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров.

Основы Python для Data Science, Кеннеди Б., 2023.
 
Python — язык программирования № 1 для машинного обучения и Data Science. Но как же сложно решить, с чего начать изучение Python, ведь у него огромный инструментарий! Кеннеди Берман фокусируется на тех навыках программирования, которые понадобятся вам для решения задач в области Data Science и машинного обучения. Вы познакомитесь с блокнотами Jupyter — лучшей средой для профессиональной работы с данными. После этого перейдете к ключевым библиотекам, которые упрощают процесс математических вычислений, визуализации, решение задач машинного обучения и обработки естественного языка. После этого, овладев основами, вы перейдете к продвинутым техникам, позволяющим решать более сложные задачи.