📚 Искусственный интеллект: современный подход, 4-е изд. [3 тома] [2021] Рассел Стюарт, Норвиг Питер

💾 Скачать книги

В четвертом, обновленном, пересмотренном и дополненном издании этой книги область искусственного интеллекта (ИИ) исследуется и анализируется во всей ее обширности и глубине. Здесь представлены все современные достижения и изложены идеи, которые были сформулированы в исследованиях, проводившихся в течение последних пятидесяти лет, а также собраны на протяжении двух тысячелетий в областях знаний, ставших стимулом к развитию ИИ как науки. Предыдущие издания этой книги стали классическими образцами литературы по ИИ и приняты в качестве учебного пособия более чем в 1400 университетах 128 стран мира, где были высоко оценены как убедительный итог обобщения результатов, достигнутых в этой области науки.

Книга дополнена обширным набором интернет-ресурсов, включая упражнения, программные и исследовательские проекты, реализации алгоритмов. #ИИ #AI #ML

📚 8 полезных бесплатных книг по машинному обучению

💾 Скачать книги

👨🏻‍💻 Машинное обучение (ML) — это область исследований, посвященная пониманию и построению методов, которые "учатся", то есть методов, которые используют данные для повышения производительности некоторого набора задач. Оно рассматривается как часть искусственного интеллекта. Алгоритмы машинного обучения строят модель на основе выборочных данных, известных как обучающие данные, чтобы делать прогнозы или решения, не будучи явно запрограммированными на это. Алгоритмы машинного обучения используются в самых разных приложениях, таких как медицина, фильтрация электронной почты, распознавание речи и компьютерное зрение, где сложно или неосуществимо разработать обычные алгоритмы для выполнения необходимых задач.
#подборка_книг #машинное_обучение #ML #ИИ

💡 Сегодня вечером в нашем канале появится очередная новинка по машинному обучению. Вы также можете помочь покупке новых книг любой копейкой. То есть даже 10 руб будут большой поддержкой в этом деле, результат которого взаимовыгоден всем подписчикам сообщества.

🤖 В Машинном обучении вероятностный классификатор — это классификатор, который способен предсказывать, если на входе заданы наблюдения, распределение вероятностей над множеством классов, а не только вывод наиболее подходящего класса, к которому наблюдения принадлежат. Вероятностные классификаторы обеспечивают классификацию, которая может быть полезна сама по себе или когда классификаторы собираются в ансамбли.

Новая книга: 📒 Вероятностное машинное обучение [2022] Кэвин П. Мэрфи
+ EN-версия книги

Как обычно, книга предоставляется для вашего личного ознакомления, пользования и не для распространения.

😊 Для тех, кто захочет закинуть админу на покушать и на покупку других книг:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта РСХБ: 2200380394622971
Карта Сбербанк: 2202200638175206

Всех обнял, всех люблю! Ваш админ! 😎

#складчина #машинное_обучение #программирование #математика #ML #CS #AI #ИИ

📙 Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности [2022] [RU + EN] Гуггер Сильвейн, Ховард Джереми

💾 Скачать книги [RU + EN]

5 причин прочесть эту книгу:
▪️ Компьютерное зрение, обработка естественного языка, работа с табличными данными и фильтрация
▪️ Наиболее актуальные техники глубокого обучения
▪️ Точность, скорость и надежность моделей глубокого обучения
▪️ Преобразование моделей в веб-приложения
▪️ Реализация алгоритмов глубокого обучения с нуля

#ИИ #искусственный_интеллект #AI #Python #машинное_обучение

📗 Глубокое обучение. Самый краткий и понятный курс [2022] Джон Д. Келлехер

📘 Deep Learning [2019] John D. Kelleher

💾 Скачать книги

🧬 Глубокое обучение (Deep learning) — совокупность методов машинного обучения (с учителем, с частичным привлечением учителя, без учителя, с подкреплением), основанных на обучении представлениям (англ. feature/representation learning), а не специализированных алгоритмах под конкретные задачи. Многие методы глубокого обучения были известны ещё в 1980-е, но результаты не впечатляли, пока продвижения в теории искусственных нейронных сетей (предобучение нейросетей с помощью специального случая ненаправленной графической модели, так называемой ограниченной машины Больцмана) и вычислительные мощности середины 2000-х годов (в том числе использующие графические ускорители, программируемые пользователем вентильные матрицы и различные формы нейронных процессоров) не позволили создавать сложные технологические архитектуры нейронных сетей, обладающие достаточной производительностью и позволяющие решать широкий спектр задач, не поддававшихся эффективному решению ранее, например, в компьютерном зрении, машинном переводе, распознавании речи, причём качество решения во многих случаях теперь сопоставимо, а в некоторых превосходит эффективность человека.
#ИИ #искусственный_интеллект #AI #аналитика #машинное_обучение

📕 Машинное обучение: основы, алгоритмы и практика применения [2022] Джереми Уатт, Реза Борхани, Аггелос Катсаггелос

📘 Machine Learning Refined: Foundations, Algorithms, and Applications [2020] Jeremy Watt, Reza Borhani, Aggelos Katsaggelos

💾 Скачать книги

Электронный архив на сайте издательства содержит коды всех примеров и более 300 цветных иллюстраций. #ИИ #искусственный_интеллект #AI #аналитика #машинное_обучение

💡 Предлагаю вам ещё одну интересную тему, в которой есть поводы для дискуссии.

📷 Самая лучшая фотокамера — какая она? Какая компания является законодателем современных технологий в фототехнике? Какая компания использует самые последние достижения ИИ? Какая компания использует самые качественные материалы и исполняет самые лучшие решения с точки зрения эргономики?
✏️ Напишите ваше мнение в комментариях.
( Опрос в группе vk📝 )

#железо #ПО #ИИ #фото #видео #компьютерное_зрение

📕 Обучение с подкреплением для реальных задач. Инженерный подход [2023] Фил Уиндер

📘 Reinforcement Learning: Industrial Applications of Intelligent Agents [2021] Phil Winder, Ph.D.

💾 Скачать книги

💡 Обучение с подкреплением (англ. reinforcement learning) — один из способов машинного обучения, в ходе которого испытуемая система (агент) обучается, взаимодействуя с некоторой средой. С точки зрения кибернетики, является одним из видов кибернетического эксперимента. Откликом среды (а не специальной системы управления подкреплением, как это происходит в обучении с учителем) на принятые решения являются сигналы подкрепления, поэтому такое обучение является частным случаем обучения с учителем, но учителем является среда или её модель. Также нужно иметь в виду, что некоторые правила подкрепления базируются на неявных учителях, например, в случае искусственной нейронной среды, на одновременной активности формальных нейронов, из-за чего их можно отнести к обучению без учителя.

#ИИ #искусственный_интеллект #AI #аналитика #машинное_обучение

😊 Для тех, кто захочет пожертвовать на покупку новых книг и админу на кофе с печеньем:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206

📕 Искусственный интеллект и компьютерное зрение. Реальные проекты на Python, Keras и TensorFlow [2023] Коул, Ганджу, Казам

📘 Practical Deep Learning for Cloud, Mobile, and Edge: Real-World AI & Computer-Vision Projects Using Python, Keras & TensorFlow [2019] Anirudh Koul, Siddha Ganju, Meher Kasam

💾 Скачать книги

📜 В этой книге вы:
• Узнаете, как обучать, настраивать и развертывать модели компьютерного зрения с помощью Keras, TensorFlow, Core ML и TensorFlow Lite.
• Изучите интересные проекты, в том числе Not Hotdog из сериала Silicon Valley и еще более 40 примеров.
• Смоделируете беспилотный автомобиль в видеоигровом окружении и создадите миниатюрную версию, использовав технологию обучения с подкреплением.
• Научитесь использовать перенос обучения для быстрого обучения моделей.
• Найдете более 50 практических советов по повышению точности и скорости модели, отладке и масштабированию до многомиллионной аудитории.

#ИИ #искусственный_интеллект #AI #аналитика #машинное_обучение #компьютерное_зрение

📙 Искусственный интеллект с примерами на Python [2019] Пратик Джоши
📒 Основы искусственного интеллекта в примерах на Python: самоучитель [2021] Анатолий Постолит
📘 Python: Искусственный интеллект, большие данные и облачные вычисления [2020] Дейтел Пол, Дейтел Харви

💾 Скачать книги

💡 Искусственный интеллект (ИИ; artificial intelligence, AI) — свойство искусственных систем выполнять творческие функции, которые традиционно считаются прерогативой человека (не следует путать с искусственным сознанием, ИС); наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ.

ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

Существующие на сегодня интеллектуальные системы имеют достаточно узкие области применения. Например, программы, способные обыграть человека в шахматы, не могут отвечать на вопросы и т. д.
#подборка_книг #искусственный_интеллект #AI #ИИ

👨🏻‍💻 По просьбам камрадов запускаем складчину на новую книгу по ИИ 📖

Тематика книги: Объяснимый искусственный интеллект (Explainable AI, XAI) – модель, которая могла бы в перспективе объяснять механизмы, лежащие за алгоритмами машинного обучения.
PDF версию можно приобрести в ДМК. Нужно собрать донатами 1300 руб. Как только соберем, то приобретем книгу и выложим.

Новая книга: 📘 Объяснимые модели искусственного интеллекта на Python [2022] Мишра П.
(в архив будет добавлена также EN-версия книги)

💡 Как всегда, книга будет предоставлена Вам только для ознакомления и личного пользования без распространения.

Для тех, кто захочет пожертвовать на покупку этой книги:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206

#складчина #AI #ИИ #программирование #python #искусственны_интеллект #машинное_обучение

« Наличие интеллекта у компьютера можно признать только когда он сможет обманом убедить человека, что он тоже человек » ©️ Алан Тьюринг.

👾 Как вы думаете, случится ли когда-нибудь такое, что человек не сможет распознать с кем он общается: с роботом или с другим человеком?

Допустим, если это случится, и программа сможет обмануть человека. А смогут ли в будущем сделать робота настолько реалистичным, чтобы еще и зрительно обмануть человека? Ведь на данный момент всех «реалистичных» роботы пока еще легко отличить от людей.

✏️ Напишите ваше мнение в комментариях.

#ночной_чат #железо #it #программирование #ИИ #AI

📙 Deep Learning Architectures. A Mathematical Approach [2020] Ovidiu Calin

В этой книге описывается, как нейронные сети работают с математической точки зрения. Нейросети можно интерпретировать как универсальные аппроксиматоры функций. Книга устраняет разрыв между идеями и концепциями, которые сегодня используются на интуитивном уровне, и точным современным математическим языком. Её можно использовать в аспирантуре по глубокому обучению, при этом первые несколько частей доступны для студентов старших курсов. Кроме того, она будет интересна исследователям машинного обучения, интересующимся теоретическим пониманием предмета.

💾 Скачать книгу

Достоинства:
▪️ Раскрыты даже довольно редкие теоретические темы;
▪️ Простым языком объяснены сложные математические абстракции.

Глубокое обучение — совокупность методов машинного обучения (с учителем, с частичным привлечением учителя, без учителя, с подкреплением), основанных на обучении представлениям, а не специализированных алгоритмах под конкретные задачи. #deep_learning #глубокое_обучение #ИИ #AI #искусственный_интеллект #машинное_обучение #математика #программирование

📗 Изучаем Ray [2023] Пумперла М., Оукс Э., Ляо Р.
📘 Learning Ray: Flexible Distributed Python for Machine Learning [2023] Max Pumperla, Edward Oakes, Richard Liaw

⚠️ Книги предоставляется вам для ознакомления и не для распространения

💳 Купить книгу

💾 Ознакомиться с книгами

👨🏻‍💻 Для тех, кто захочет пожертвовать админу на покупку новых книг и на кофе:
ЮMoney: 410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206

🧬 Наука о данных — сложная и быстро развивающаяся область, которая нуждается в мощных инструментах и фреймворках для управления огромными объемами данных, генерируемых каждый день.
Ray – это платформа кластерных вычислений для распространения и запуска Python-кода, даже со сложными библиотеками или пакетами, на кластерах бесконечного размера. Помимо Python, также Ray предоставляет API для Java и C++. Фреймворк использует задачи (функции) и субъекты (классы), чтобы распараллеливать пользовательский код. Ray помогает реализовать параллельные и распределенные вычисления в жизненном цикле науки о данных.
#программирование #python #ray #машинное_обучение #ИИ #AI

📒 Основы искусственного интеллекта в примерах на Python. 2-е изд. [2023] Анатолий Постолит

⚠️ Книги предоставляется вам для ознакомления и не для распространения

💳 Купить книгу

💾 Ознакомиться

Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров. В издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки.

Подборка 📚 3 книги по искусственному интеллекту

👨🏻‍💻Постолит Анатолий Владимирович — доктор технических наук, профессор, академик Российской академии транспорта, лауреат Всероссийского конкурса «Инженер года». Профессиональный программист, автор книг компьютерной тематики, в том числе «Python, Django и Bootstrap для начинающих» и более 120 научных публикаций. Профессор Московского государственного автомобильно-дорожного технического университета (МАДИ). Занимался разработкой и внедрением информационных систем для транспортного комплекса Москвы и Московской области, для транспортного обслуживания зимних Олимпийских игр в г. Сочи, систем оплаты проезда и информирования пассажиров городского общественного транспорта. Специализируется на создании информационных систем на основе MS SQL Server, MS Visual Studio, Bluetooth-технологий, веб-приложений, а также систем искусственного интеллекта, обработки изображений и компьютерного зрения.

#программирование #python #OpenCV #машинное_обучение #ИИ #AI

📒 Основы искусственного интеллекта в примерах на Python. 2-е изд. [2023] Анатолий Постолит

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-learn, 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. В издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки.
#программирование #python #OpenCV #машинное_обучение #ИИ #AI #искусственный_интеллект

📚 Искусственный интеллект: современный подход, 4-е изд. [3 тома] [2021] Рассел Стюарт, Норвиг Питер

⚠️ Книги предоставляется вам для ознакомления и не для распространения

💾 Скачать книги

В четвертом, обновленном, пересмотренном и дополненном издании этой книги область искусственного интеллекта (ИИ) исследуется и анализируется во всей ее обширности и глубине. Здесь представлены все современные достижения и изложены идеи, которые были сформулированы в исследованиях, проводившихся в течение последних пятидесяти лет, а также собраны на протяжении двух тысячелетий в областях знаний, ставших стимулом к развитию ИИ как науки. Предыдущие издания этой книги стали классическими образцами литературы по ИИ и приняты в качестве учебного пособия более чем в 1400 университетах 128 стран мира, где были высоко оценены как убедительный итог обобщения результатов, достигнутых в этой области науки.

Для тех, кто захочет поддержать на кофе и печеньки ☕️:
ВТБ: +79616572047 (СБП)
Сбер: +79026552832 (СБП)
ЮMoney: 410012169999048

Книга дополнена обширным набором интернет-ресурсов, включая упражнения, программные и исследовательские проекты, реализации алгоритмов, а также дополнительные материалы и ссылки для студентов и преподавателей. #ИИ #AI #ML #машинное_обучение #искусственный_интеллект

💡 Physics.Math.Code // @physics_lib

📗 Том 1. Решение проблем: знания и рассуждения

Книга дополнена обширным набором интернет-ресурсов, включая упражнения, программные и исследовательские проекты, реализации алгоритмов, а также дополнительные материалы и ссылки для студентов и преподавателей. Что нового в четвертом издании. В четвертом издании читатель познакомится с новейшими технологиями и концепциями, представленными в более унифицированном виде с новым или расширенным охватом таких тем, как машинное обучение, глубокое обучение, трансферное обучение, многоагентные системы, робототехника, обработка естественного языка, проблема причинности, вероятностное программирование, а также конфиденциальность, беспристрастность и безопасность ИИ.

📘 Том 2. Знания и рассуждения в условиях неопределенности

Предыдущие издания этой книги стали классическими образцами литературы по ИИ и приняты в качестве учебного пособия более чем в 1400 университетах 128 стран мира, где были высоко оценены как убедительный итог обобщения результатов, достигнутых в этой области науки. Книга дополнена обширным набором интернет-ресурсов, включая упражнения, программные проекты и исследовательские проекты, реализации алгоритмов, дополнительные материалы и ссылки для студентов и преподавателей.

📙 Том 3. Обучение, восприятие и действие

Самое полное и актуальное введение в теорию и практику искусственного интеллекта! В четвертом, обновленном, пересмотренном и дополненном издании этой книги область искусственного интеллекта (ИИ) исследуется и анализируется во всей ее обширности и глубине. Здесь представлены все современные достижения и изложены идеи, которые были сформулированы в исследованиях, проводившихся в течение последних пятидесяти лет, а также собраны на протяжении двух тысячелетий в областях знаний, ставших стимулом к развитию ИИ как науки. #ИИ #AI #ML #машинное_обучение #искусственный_интеллект

💡 Physics.Math.Code // @physics_lib

📱 Revisiting BPR: A Replicability Study of a Common Recommender System Baseline

💾 Скачать исследование – ссылка

Ученые из лаборатории искусственного интеллекта T-Bank AI Research представили новый алгоритм, который с помощью ИИ увеличивает точность онлайн-рекомендаций до 50% в некоторых случаях. Разработчики взяли за основу и улучшили популярный алгоритм для предсказания предпочтений пользователей Bayesian Personalized Ranking, который считается одним из мировых стандартов в рекомендательных системах. Поиск наиболее эффективного варианта алгоритма занял более 200 000 GPU-часов и 15 000 экспериментов на внутренних данных Т-Банка с различными комбинациями параметров модели. Отмечается также, что новая разработка оказалась на 10% точнее алгоритма Mult-VAE, которую ранее опубликовали разработчиками из Netflix.

Новый алгоритм позволит компаниям улучшать свои метрики, в том числе конверсию в покупку, средний чек и выручку. Покупатели при этом смогут быстрее находить нужные товары на маркетплейсах, а зрители — получать более персонализированные рекомендации фильмов и сериалов.

Открытие ученых было признано мировым научным сообществом и представлено на главной международной конференции по рекомендательным системам ACM RecSys.

#ИИ #AI #искусственный_интеллект #science #алгоритмы

💡 Physics.Math.Code // @physics_lib

⛵️ Самый точный в мире метод распознавания неизвестных объектов на фото с помощью ИИ разработали ученые из T-Bank AI Research

💾 Скачать исследование

Ранее в области компьютерного зрения (CV) для распознавания объектов на фото применялись методы машинного обучения. Однако они сталкивались с проблемой однородности ансамблей, иначе говоря, они были слишком похожи друг на друга, что приводило к снижению качества и разнообразия их оценок.

Ученые из T-Bank AI Research разработали метод Saliency-Diversified Deep Ensembles, решающий эту проблему. В нем используются карты внимания, фокусирующиеся на разных аспектах данных. “Глубокие ансамбли”, которые объединяют несколько нейронных сетей для решения задачи применялись и ранее для компьютерного зрения, но при применении SDDE каждая модель обращается к разным аспектам данных, например отдельно захватывается фон изображения. Компиляция таких разных данных и привела к повышению точности анализа объектов на изображениях. Так ученым удалось уменьшить схожесть моделей, что способствует более надежной и диверсифицированной идентификации объектов.

Использование метода SDDE позволяет модели на 20% меньше ошибаться при обработке и анализе фото. При этом она учитывает не только наборы данных, знакомые ей из обучения, но и неизвестную ранее информацию. В перспективе метод SDDE будут использовать в сферах, требующих высокой точности анализа, например, в медицинской диагностике, где важно различать неопознанные элементы и графические артефакты, а также в сфере беспилотных транспортных средств.

Для проверки метода и оценки его эффективности ученые провели испытания на популярных базах данных: CIFAR10, CIFAR100 и ImageNet-1K. Результаты метода SDDE превзошли результаты других схожих алгоритмов, например, Negative Correlation Learning и Adaptive Diversity Promoting.

На Международной конференции по обработке изображений (IEEE ICIP) в Абу-Даби открытие ученых было признано мировым научным сообществом.

#ИИ #AI #искусственный_интеллект #science #алгоритмы #math #математика

💡 Physics.Math.Code // @physics_lib