Opanuj podstawy uczenia maszynowego

Od mniej więcej piętnastu lat jesteśmy świadkami rewolucji w nauczaniu maszynowym na niesamowitą skalę. Rewolucji tej sprzyja intensywny rozwój głębokich sieci neuronowych oraz niezbędnego do tego sprzętu obliczeniowego, takiego jak karty graficzne. "Deep learning", "machine learning" - te słowa klucze rozpalają wyobraźnię programistów, innowatorów i przedstawicieli przemysłu na całym świecie. Także studentów kierunków politechnicznych. Na świecie wydaje się sporo literatury poświęconej tym zagadnieniom, w Polsce niestety mamy pod tym względem deficyt.

Niniejszy podręcznik, pomyślany jako wprowadzenie do tematu uczenia głębokiego, ma z założenia uzupełnić tę lukę. W związku z tym opracowany został w sposób umożliwiający zrozumienie zawartych w nim treści także osobom, które nie zetknęły się dotąd nawet z klasycznymi metodami nauczania maszynowego. Stąd sporo miejsca autorzy poświęcają podstawowym konceptom klastrowania, klasyfikacji oraz regresji. Druga połowa książki przybliża głębokie odpowiedniki modeli klasycznych - z naciskiem na objaśnienie podstawowych pojęć i ich intuicji. Ponieważ dla pełnego zrozumienia modeli niezbędne jest ich zaimplementowanie, integralną część książki stanowi kod, dostępny dla czytelnika na platformie GITHUB.

Baw się ― i ucz się programowania!

Programowanie to dziś niezwykle ważna umiejętność. I wszystko wskazuje na to, że jego znaczenie będzie tylko rosło. Warto więc zawczasu pomyśleć o przyszłości swojego dziecka i pomóc mu rozpocząć przygodę z programowaniem. Tym bardziej że istnieje Scratch ― język kodowania, wokół którego skupia się liczna społeczność internetowa ― pozwalający tworzyć własne interaktywne historie, gry i animacje i dzielić się nimi z ludźmi na całym świecie. A że Scratch powstał z myślą o młodych programistach, w wieku 8 – 16 lat, idealnie się sprawdza jako pierwszy język przyszłego informatyka.

Na rynku jest dostępnych wiele opracowań poświęconych obsłudze Scratcha. Tę książkę wyróżnia to, że zawiera niezbędne minimum tekstu, za to maksymalnie dużo grafik. Za ich pośrednictwem autor pokazuje podstawowe instrukcje języka i programy pomagające kreować rozmaite kształty. Młody czytelnik będzie w stanie każdy z tych programów przeanalizować, wprowadzić do Scratcha, wreszcie ― sprawdzić jego działanie. Wszystko po to, by samodzielnie tworzyć ciekawe efekty graficzne, animacje i gry.

Poznaj podstawy programowania funkcyjnego w Javie

Java jest obiektowym, bazującym na klasach, współbieżnym językiem programowania. Niezwykłą popularność zawdzięcza on między innymi niezależności od platformy, łatwości pisania w nim programów i klarownemu kodowi. Nic więc dziwnego, że Javę pokochało wielu programistów. To do nich jest skierowana dwuczęściowa publikacja Java. Zadania z programowania, której autorem jest Mirosław J. Kubiak.

Jej druga część, zatytułowana Przykładowe funkcyjne rozwiązania, jest przeznaczona dla odbiorcy, któremu nieobce są podstawy Javy i który chciałby przyswoić elementy programowania funkcyjnego w tym języku. Ideę paradygmatu funkcyjnego Javy autor omawia na wybranych, czytelnych przykładach. Co ciekawe, wszystkim zawartym tu zadaniom - o różnym stopniu trudności - towarzyszą rozwiązania, których skrupulatne prześledzenie pozwoli Ci w krótkim czasie zapoznać się z podstawami programowania funkcyjnego w Javie. W książce znalazła się niemal setka typowych zadań zilustrowanych nie tylko listingami programów dotyczącymi wybranych zagadnień, lecz także licznymi wskazówkami. Wieńczący całość dodatek zawiera szczegółowe podpowiedzi dotyczące kompilacji dowolnego programu w środowisku Apache NetBeans IDE.

• Rozszerzona pętla for i kolekcje
• Funkcje
• Rekurencja i rekurencja ogonowa
• Wyrażenie lambda i interfejsy funkcyjne
• Strumienie sekwencyjne i równoległe
• Pakiet java.util.function
• Wielowątkowość i równoległość w Javie

Naucz się programowania funkcyjnego w Javie - na konkretnych przykładach!

Głębokie uczenie przez wzmacnianie rozwija się bardzo dynamicznie. Dziedzinę tę charakteryzuje niewyczerpany potencjał rozwiązywania trudnych problemów. Zajmuje się tym co najmniej kilka grup badawczych, koncentrujących się na wdrażaniu głębokiego uczenia przez wzmacnianie w różnych branżach. Niestety, opisy najnowszych osiągnięć są trudne do zrozumienia i zbyt abstrakcyjne, aby można było je łatwo zastosować w praktycznych implementacjach, a przecież poprawne działanie aplikacji jest uwarunkowane gruntownym zrozumieniem problemu przez projektanta.

To zaktualizowane i rozszerzone wydanie bestsellerowego przewodnika po najnowszych narzędziach i metodach związanych z uczeniem przez wzmacnianie. Zawiera wprowadzenie do teorii uczenia przez wzmacnianie, a także wyjaśnia praktyczne sposoby kodowania samouczących się agentów w celu rozwiązywania praktycznych zadań. W tym wydaniu dodano sześć nowych rozdziałów poświęconych takim osiągnięciom technologii jak dyskretna optymalizacja, metody wieloagentowe, środowisko Microsoft TextWorld czy zaawansowane techniki eksploracji. Opisano również inne zagadnienia, między innymi głębokie sieci Q, gradienty polityk, sterowanie ciągłe i wysoce skalowalne metody bezgradientowe. Poszczególne kwestie zostały zilustrowane kodem wraz z opisem szczegółów implementacji.

W książce między innymi:

• związki między uczeniem przez wzmacnianie a głębokim uczeniem
• różne metody uczenia przez wzmacnianie, w tym entropia krzyżowa, sieć DQN, a także algorytmy: aktor-krytyk, TRPO, PPO, DDPG, D4PG i inne
• praktyczne zastosowanie dyskretnej optymalizacji w celu rozwiązania problemu kostki Rubika
• trenowanie agentów przy użyciu oprogramowania AlphaGo Zero
• chatboty oparte na sztucznej inteligencji
• zaawansowane techniki eksploracyjne, w tym metody destylacji sieci

Witaj, świecie prawdziwej sztucznej inteligencji!

Systemy oparte na uczeniu maszynowym są coraz bardziej wyrafinowane. Spośród wielu narzędzi służących do implementacji algorytmów uczenia maszynowego najpopularniejszy okazał się Python wraz z jego bibliotekami. Znajomość tych narzędzi umożliwia sprawne tworzenie systemów uczących się, jednak uzyskanie spektakularnych wyników wymaga doświadczenia i wprawy. Konieczne są więc ćwiczenia i praktyka w samodzielnym rozwiązywaniu problemów.

To trzecie wydanie popularnego podręcznika, który ułatwi Ci zdobycie praktycznej wiedzy o uczeniu maszynowym w Pythonie. Zapoznasz się z różnymi technikami implementacji algorytmów uczenia maszynowego. Przeanalizujesz rzeczywiste przykłady techniki eksploracyjnej analizy danych, inżynierii cech, klasyfikacji danych, regresji, klastrowania i przetwarzania języka naturalnego. To wydanie uzupełniono o najnowsze zagadnienia ważne dla biznesu, takie jak tworzenie systemu rekomendacji, rozpoznawanie twarzy, prognozowanie cen akcji, klasyfikowanie zdjęć, prognozowanie sekwencji danych i zastosowanie uczenia przez wzmacnianie w podejmowaniu decyzji. Dzięki książce poznasz omawiane zagadnienia od strony praktycznej i zdobędziesz wiedzę potrzebną do skutecznego rozwiązywania problemów z systemami uczącymi się.

W książce między innymi:

• gruntowne podstawy uczenia maszynowego i nauki o danych
• techniki eksploracji i analizy danych za pomocą kodu Pythona
• trenowanie modeli za pomocą Apache Spark
• przetwarzanie języka naturalnego przy użyciu bibliotek Pythona
• praktyczne wdrażanie modeli i algorytmów uczenia maszynowego
• korzystanie z bibliotek Pythona: TensorFlow 2, PyTorch i scikit-learn

Wypróbuj najlepsze praktyki uczenia maszynowego z Pythonem!

Programowanie w Javie - szybko i konkretnie

"Jeśliby posadzić milion małp przy milionie klawiatur, któraś z nich napisze w końcu program w Javie. Reszta zrobi to w Perlu" - głosi jedna z informatycznych anegdot punktujących Javę. Cokolwiek by jednak mówić o tym języku programowania, trzeba przyznać, że powstały w nim kod jest niezależny od systemu operacyjnego i procesora. Właśnie ta cecha stanowi o ogromnej popularności Javy.

Jeśli chcesz dołączyć do licznego grona programistów piszących aplikacje w tym języku, z pewnością przyda Ci się wiedza zgromadzona w dwuczęściowym zbiorze Java. Zadania z programowania, przygotowanym przez Mirosława J. Kubiaka. W pierwszym tomie, zatytułowanym Przykładowe imperatywne rozwiązania, autor na wybranych przykładach przedstawia ideę paradygmatu programowania imperatywnego.

Ta część zbioru zadań jest przeznaczona dla osób, które albo nie znają Javy, albo nie czują się w niej swobodnie, a chciałyby zgłębić tajniki tego języka programowania. Książka zawiera ponad 80 rozmaitych zadań z programowania imperatywnego i obiektowego o zróżnicowanym poziomie trudności - ich skrupulatne prześledzenie pozwoli Ci na szybkie i dogłębne zapoznanie się z podstawami Javy. Zadania zostały zilustrowane gotowymi listingami przykładowych programów w tym języku, a w umieszczonym na końcu dodatku znajdziesz wskazówki objaśniające poszczególne kroki, które należy wykonać, aby napisać i skompilować dowolny program w środowisku Apache NetBeans IDE.

• Proste operacje wejścia-wyjścia
• Instrukcje warunkowe
• Iteracje
• Tablice
• Pliki
• Wątki
• Programowanie obiektowe i generyczne
• Daty i godziny w Javie

Poznaj podstawy języka Java w zadaniach i rozwiązaniach

Język SQL został stworzony jako narzędzie do przetwarzania danych. Mimo że zwykle jest używany do pracy z bazami danych, jego możliwości są o wiele większe. Poprawny kod SQL ułatwia przetwarzanie potężnych zbiorów danych z dużą szybkością. Szczególnie obiecującą perspektywą jest zastosowanie języka SQL na wielkich zbiorach danych przechowywanych w chmurze. Dzięki nieco bardziej złożonym konstrukcjom SQL analityk danych może z dużą efektywnością wydobywać z nich wiedzę.

Ta praktyczna książka jest przeznaczona dla analityków danych i danologów, którzy chcą używać SQL-a do eksploracji dużych zbiorów danych. Pokazuje zarówno popularne, jak i nieco mniej znane techniki budowania zapytań SQL, dzięki czemu możliwe staje się rozwiązywanie nawet bardzo zawiłych problemów i optymalne wykorzystanie właściwości tego języka w pracy na danych. W nowy, innowacyjny sposób przedstawiono tu takie pojęcia jak złączenia, funkcje okna, podzapytania i wyrażenia regularne. Zademonstrowano, jak łączyć różne techniki, aby szybciej osiągać cele za pomocą łatwego do zrozumienia, czytelnego kodu. Opisywany materiał został zilustrowany licznymi przykładami zapytań SQL, dzięki czemu można płynnie przejść do rozwiązywania konkretnych problemów z zakresu przetwarzania, analizy i eksploracji danych.

Najciekawsze zagadnienia:

• przygotowywanie danych do analizy
• analizy szeregów czasowych z wykorzystaniem SQL
• analizy kohortowe do badania zachodzących zmian
• analiza tekstu za pomocą zaawansowanych funkcji i operatorów SQL
• wykrywanie odstających wartości
• analizy eksperymentów (testy A/B)

SQL: tak wyciągniesz z danych rzetelne wnioski!

Mikrousługi są dla wielu organizacji wspaniałą alternatywą. Systemy rozproszone złożone ze współpracujących ze sobą mikrousług pozwalają na efektywne i elastyczne dostarczanie oprogramowania, które ściśle odpowiada na wymagania użytkowników. Dodatkową zaletą jest możliwość relatywnie szybkiego wprowadzania modyfikacji w systemie, co ułatwia płynne zaspokajanie zmieniających się potrzeb. Pewnym wyzwaniem dla programistów jednak może być złożoność powodowana przez właściwości architektury systemów rozproszonych, a także pojawiające się wciąż nowe technologie i metodyki, które znacząco zmieniają sposób korzystania z mikrousług.

To drugie wydanie praktycznego przewodnika po projektowaniu, tworzeniu, wdrażaniu, skalowaniu i utrzymaniu systemów opartych na drobnoziarnistych mikrousługach. Publikacja została uzupełniona o informacje dotyczące najnowszych trendów i technologii związanych z mikrousługami. Sporo miejsca poświęcono na staranne przeanalizowanie przykładów dotyczących opisywanych koncepcji, a także pokazanie optymalnych sposobów rozwiązywania różnych problemów. Opisano również najnowsze rozwiązania dotyczące modelowania, integracji, testowania, wdrażania i monitorowania autonomicznych usług. Bardzo interesującą częścią są studia przypadków, w których przeanalizowano, jak organizacjom udaje się w praktyce w pełni wykorzystywać możliwości mikrousług.

Dzięki książce dowiesz się, jak:

• przeprowadzać orkiestrację kontenerów i wdrażać rozwiązania bezserwerowe
• dostosowywać projekt systemu do potrzeb organizacji
• wybrać najlepszy sposób integracji usługi z systemem
• samodzielnie wdrażać mikrousługi
• skutecznie testować i monitorować usługi rozproszone
• zarządzać zabezpieczeniami dla rozszerzonej zawartości

Architektura mikrousług: naucz się podejmować najlepsze decyzje projektowe!

W świecie finansów sztuczna inteligencja okazała się przełomową technologią - w połączeniu z odpowiednim zastosowaniem algorytmów i dużych zbiorów danych bowiem pozwala na poprawę jakości usług finansowych. Autor tej książki zdaje sobie z tego sprawę - ma wieloletnie doświadczenie i kompleksową wiedzę na temat projektowania i wdrażania zaawansowanych mechanizmów AI w największych podmiotach z branży. Swoją wiedzą dzieli się z czytelnikami.

Dr Yves Hilpisch szczegółowo opisuje zarówno podstawy teoretyczne, jak i praktyczne aspekty używania algorytmów sztucznej inteligencji w ramach usług i produktów finansowych. Opierając się na przykładach z języka Python, pokazuje metodyki, modele, założenia i techniki wdrażania AI, a także analizuje problemy mogące utrudniać to zadanie i przybliża ich rozwiązania. Znajdziemy tutaj skomplikowane zagadnienia wytłumaczone w logiczny i zrozumiały sposób. Autor z powodzeniem łączy teorię z praktyką, a jego podejście do tematu i prezentowane przypadki bazujące na doświadczeniu są cennym źródłem wiedzy dla każdego, kto chce poznać tajniki dotyczące zastosowania sztucznej inteligencji, uczenia maszynowego, algorytmów i zbiorów danych w szeroko pojętym świecie finansów.

Dzięki książce dowiesz się:

• na czym polega zastosowanie AI w usługach i produktach finansowych
• dlaczego i w jaki sposób użycie sztucznej inteligencji fundamentalnie zmienia sektor finansowy i jakie ma to skutki dla niego i konsumentów
• jak w języku Python konstruować i wdrażać algorytmy bazujące na rozbudowanych zbiorach danych
• jak dzięki AI i uczeniu maszynowemu usprawniać usługi i produkty finansowe

SQL stanowi podstawowe narzędzie komunikowania się z relacyjnymi bazami danych. Jest to dość skomplikowany język o rozbudowanych możliwościach. Pozwala na pobieranie z bazy zestawów danych wyszukiwanych na podstawie wyrafinowanych kryteriów. Umożliwia też modyfikację zarówno danych, jak i struktury bazy, w której są gromadzone. To potężne narzędzie powinni znać nie tylko programiści baz danych, ale również specjaliści zajmujący się ich analizą, jednak zdobycie praktycznych umiejętności posługiwania się SQL często nastręcza trudności.

To trzecie, poprawione i zaktualizowane wydanie praktycznego przewodnika po języku SQL i relacyjnych bazach danych. Przemyślana, uporządkowana struktura podręcznika sprzyja sprawnemu nabywaniu wiedzy i doskonaleniu umiejętności - pracę z nim ułatwiają przystępny sposób prezentowania materiału i czytelne, łatwe do zrozumienia przykłady kodu SQL. Bardzo przydatnym elementem książki są odniesienia do składni (dialektów SQL) stosowanych w trzech najpowszechniejszych bazach danych: Microsoft SQL Server 2019, MySQL 8.0 i Oracle 18c. W tym wydaniu pojawiło się szersze omówienie typowych zadań analitycznych, uzupełniono też informacje o zastosowaniu Excela do wizualnej prezentacji danych, opisano więcej przydatnych funkcji, a także zaktualizowano i ulepszono dodatkowe materiały edukacyjne.

W książce między innymi:

• operacje na danych przy użyciu zapytań SQL
• funkcje i procedury składowane
• grupowanie i agregowanie danych
• projektowanie relacyjnych baz danych
• tworzenie zestawień danych przy użyciu arkuszy kalkulacyjnych
• praca z Microsoft SQL Server, MySQL i Oracle

Chcesz się nauczyć SQL? Z tą książką zrobisz to bez problemu!

Doskonałe opanowanie dowolnego języka programowania nie wystarczy do tego, aby stać się świetnym programistą czy deweloperem. Konieczne jest również zdobycie praktycznej wiedzy dotyczącej algorytmów. Oznacza to, że aby pisać lepszy kod, podczas rozwiązywania rzeczywistych problemów trzeba umieć korzystać z algorytmów, włączając w to ich budowanie, modyfikację i implementację. Niezależnie od tego, jaką dziedziną informatyki się zajmujesz, biegłość w posługiwaniu się algorytmami w wymierny sposób ułatwi Ci pracę i poprawi jej rezultaty.

Ta książka jest przystępnym wprowadzeniem do wiedzy o algorytmach wraz z przykładami implementacji napisanymi w Pythonie. Oprócz praktycznego omówienia algorytmów znalazło się tu wyjaśnienie takich pojęć jak klasy złożoności czy analiza asymptotyczna. Dokładnie omówiono także najważniejsze algorytmy, w tym różne sposoby haszowania, sortowania czy przeszukiwania. Tam, gdzie to niezbędne, wprowadzono struktury danych języka Python. Z poradnika programiści i testerzy dowiedzą się, w jaki sposób wykorzystywać algorytmy do pomysłowego rozwiązywania problemów obliczeniowych. Zrozumienie treści ułatwiają ciekawe materiały wizualne i ćwiczenia utrwalające, które pozwolą na przetestowanie zdobytej wiedzy w praktyce.

W książce między innymi:

• podstawowe algorytmy wykorzystywane w inżynierii oprogramowania
• standardowe strategie wydajnego rozwiązywania problemów
• ocena złożoności czasowej kodu z wykorzystaniem notacji dużego O
• praktyczne stosowanie algorytmów z wykorzystaniem bibliotek i struktury danych Pythona
• główne zasady działania ważnych algorytmów

Python cechuje się dużą prostotą, a przy tym jest wszechstronny. Ma bardzo szeroki zakres zastosowania, przez co coraz więcej osób podejmuje naukę programowania w tym języku. Python należy do języków najczęściej używanych przez programistów, którzy tworzą w nim gry i aplikacje webowe. Świetnie sprawdza się ponadto w pracy z wykorzystaniem sztucznej inteligencji i uczenia maszynowego. Tym, co programiści doceniają w Pythonie, jest też obiektywność. Ucząc się, przyswajamy bowiem również zasady programowania obiektywnego, a więc koncepcji dla wielu innych języków.

Oto książka, którą docenią i osoby rozpoczynające przygodę z programowaniem, i programiści znający już inne języki. Znajdziesz tu zarówno podstawowe informacje o Pythonie, jak i wskazówki dotyczące pisania rozszerzeń, dzięki którym będziesz w stanie korzystać z atutów kilku języków. Przydatnym uzupełnieniem są liczne przykłady, pokazujące, jak rozwiązywać częste problemy. To już czwarte wydanie tego praktycznego podręcznika ? docenianego za to, że pozwala dobrze poznać Pythona i uczy, jak pisać wydajny i czytelny kod.

Z książki dowiesz się:

• jakie są najważniejsze usprawnienia w Pythonie
• jak przeprowadzić izolację środowiska
• jak używać najnowszych funkcji w Pythonie
• czym Python się różni od innych języków
• co to jest współbieżność i wielowątkowość
• na czym polega programowanie sterowane zdarzeniami
• jakie są elementy metaprogramowania
• jak przeprowadzić automatyzację kontroli jakości
• jak optymalizować kod

Koduj wszystko w Pythonie. Obiektywnie, strukturalnie i funkcjonalnie!

Oto propozycja dla specjalistów zajmujących się programowaniem sztucznej inteligencji i studentów kształcących się w tej dziedzinie. Autor przybliża tajniki tworzenia sieci neuronowych stosowanych w uczeniu głębokim i pokazuje, w jaki sposób używać w tym celu bibliotek Keras i TensorFlow. Objaśnia zagadnienia dotyczące programowania AI zarówno w teorii, jak i praktyce. Liczne przykłady, czytelna oprawa graficzna i logiczne wywody sprawiają, że to skuteczne narzędzie dla każdego, kto chce się nauczyć budowania sieci neuronowych typu MLP, CNN i RNN.

Książka wprowadza w teoretyczne fundamenty uczenia głębokiego - znalazły się w niej wyjaśnienia podstawowych pojęć związanych z tą dziedziną i różnice pomiędzy poszczególnymi typami sieci neuronowych. Opisano tutaj również metody programowania algorytmów używanych w uczeniu głębokim i sposoby ich wdrażania. Dzięki lekturze lepiej zrozumiesz sieci neuronowe, nauczysz się ich tworzenia i zastosowania w różnych projektach z zakresu AI.

Polecamy tę książkę każdemu, kto:

• chce zrozumieć, jak działają sieci neuronowe i w jaki sposób się je tworzy
• specjalizuje się w uczeniu głębokim lub zamierza lepiej poznać tę dziedzinę
• posługuje się sieciami neuronowymi w programowaniu
• chce się nauczyć stosować biblioteki Keras i TensorFlow w uczeniu głębokim