

- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 392
- Dostępne formaty:
-
ePubMobi
Opis ebooka: AI and Machine Learning for Coders
If you're looking to make a career move from programmer to AI specialist, this is the ideal place to start. Based on Laurence Moroney's extremely successful AI courses, this introductory book provides a hands-on, code-first approach to help you build confidence while you learn key topics.
You'll understand how to implement the most common scenarios in machine learning, such as computer vision, natural language processing (NLP), and sequence modeling for web, mobile, cloud, and embedded runtimes. Most books on machine learning begin with a daunting amount of advanced math. This guide is built on practical lessons that let you work directly with the code.
You'll learn:
- How to build models with TensorFlow using skills that employers desire
- The basics of machine learning by working with code samples
- How to implement computer vision, including feature detection in images
- How to use NLP to tokenize and sequence words and sentences
- Methods for embedding models in Android and iOS
- How to serve models over the web and in the cloud with TensorFlow Serving
Wybrane bestsellery
-
AI is nothing without somewhere to run it. Now that mobile devices have become the primary computing device for most people, it's essential that mobile developers add AI to their toolbox. This insightful book is your guide to creating and running models on popular mobile platforms such as iOS and...(194.65 zł najniższa cena z 30 dni)
148.18 zł
239.00 zł(-38%) -
Ta książka jest praktycznym podręcznikiem opartym na sprawdzonej metodyce: nauce poprzez pisanie kodu w Pythonie. Aby w pełni z niego skorzystać, nie musisz znać wyższej matematyki. Dzięki praktycznym lekcjom szybko zaczniesz programowo tworzyć konkretne rozwiązania. Dowiesz się, jak można zaimpl...
Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
-
Książka stanowi kompendium wiedzy na temat tej niesłychanie szybko rozwijającej się i dynamicznie wkraczającej w nasze życie dziedziny. Została napisana tak, aby była przystępna dla osób posiadających podstawowe umiejętności matematyczne. Może stanowić podręcznik dla studentów takich kierunków ja...(29.40 zł najniższa cena z 30 dni)
36.75 zł
49.00 zł(-25%) -
Dzięki tej książce dowiesz się, jak tworzyć niezawodne, skalowalne i odporne rozwiązania, a także jak projektować systemy następnej generacji przeznaczone dla środowiska chmury. Poznasz efektywne strategie dla produktu i nauczysz się je w pełni implementować w swojej organizacji. Zrozumiesz też, ...
Podręcznik architekta rozwiązań. Poznaj reguły oraz strategie projektu architektury i rozpocznij niezwykłą karierę. Wydanie II Podręcznik architekta rozwiązań. Poznaj reguły oraz strategie projektu architektury i rozpocznij niezwykłą karierę. Wydanie II
(77.40 zł najniższa cena z 30 dni)96.75 zł
129.00 zł(-25%) -
Sztuczna inteligencja jest jednym z najważniejszych trendów w IT - jego wpływ dotknie wkrótce każdej dziedziny naszego życia. Rozwój tej technologii równocześnie odbiera ludziom pracę i przyczynia się do powstawania nowych stanowisk. Już dziś zadbaj o to, by znaleźć się w drugiej grupie, tym bard...
Sztuczna inteligencja na froncie. Kurs video. Uczenie maszynowe w JavaScript Sztuczna inteligencja na froncie. Kurs video. Uczenie maszynowe w JavaScript
-
Chcesz nauczyć się implementacji algorytmów uczenia maszynowego bez zbytniego zagłębiania się w niuanse matematyczne? Jeśli dodatkowo znasz język JavaScript, ta książka jest dla Ciebie idealnym wyborem. Wyjaśniono w niej, w jaki sposób tworzyć własne implementacje, podano też przykłady przydatnyc...
Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów Uczenie maszynowe z językiem JavaScript. Rozwiązywanie złożonych problemów
(35.40 zł najniższa cena z 30 dni)44.25 zł
59.00 zł(-25%) -
Książka jest adresowana do wszystkich, którzy chcą budować, rozwijać i skalować systemy NLP w środowisku biznesowym, a także dostosowywać je do swojej branży. Opisuje tworzenie rzeczywistych aplikacji NLP. Omawia pełny cykl życia typowego projektu NLP, od zbierania danych po wdrożenie i monitorow...
Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP Przetwarzanie języka naturalnego w praktyce. Przewodnik po budowie rzeczywistych systemów NLP
Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, Harshit Surana
(65.40 zł najniższa cena z 30 dni)81.75 zł
109.00 zł(-25%) -
Sztuczna inteligencja staje się powoli nieodzownym składnikiem naszego życia. Przeszła długą drogę od modnego hasła pojawiającego się głównie w specjalistycznych publikacjach do technologii mającej realny wpływ na naszą codzienność. Z każdym dniem lepiej radzi sobie z coraz bardziej zaawansowanym...(41.40 zł najniższa cena z 30 dni)
48.30 zł
69.00 zł(-30%) -
To kompletny, zwięzły przewodnik po świecie sztucznej inteligencji. Znalazły się tu przejrzyście wyłożone podstawy i bardziej zaawansowane zagadnienia. Wyjaśniono, jak najlepiej zabrać się do tworzenia systemów AI wykorzystujących uczenie ze wzmacnianiem oraz głębokie uczenie. Krok po kroku pokaz...
Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego
(47.40 zł najniższa cena z 30 dni)59.25 zł
79.00 zł(-25%) -
Głębokie sieci neuronowe mają niesamowity potencjał. Osiągnięcia ostatnich lat nadały procesom uczenia głębokiego zupełnie nową jakość. Obecnie nawet programiści niezaznajomieni z tą technologią mogą korzystać z prostych i niezwykle skutecznych narzędzi, pozwalających na sprawne implementowanie p...
Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III Uczenie maszynowe z użyciem Scikit-Learn, Keras i TensorFlow. Wydanie III
(107.40 zł najniższa cena z 30 dni)134.25 zł
179.00 zł(-25%)
O autorze ebooka
Laurence Moroney pracuje w Google. Kieruje zespołem, który zajmuje się rozwiązaniami wykorzystującymi sztuczną inteligencję. Jest też trenerem: szkoli projektantów oprogramowania w zakresie technik budowy systemów uczenia maszynowego. Często udziela się na kanale TensorFlow w YouTube. Jest znanym na całym świecie prelegentem, a także autorem książek beletrystycznych — napisał kilka dobrze przyjętych powieści science fiction.
Kup polskie wydanie:
Sztuczna inteligencja i uczenie maszynowe dla programistów. Praktyczny przewodnik po sztucznej inteligencji
- Autor:
- Laurence Moroney
44,50 zł
89,00 zł
(35.32 zł najniższa cena z 30 dni)
Ebooka "AI and Machine Learning for Coders" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "AI and Machine Learning for Coders" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "AI and Machine Learning for Coders" zobaczysz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP4 (pliki spakowane w ZIP)
Szczegóły ebooka
- ISBN Ebooka:
- 978-14-920-7814-2, 9781492078142
- Data wydania ebooka:
-
2020-10-01
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 28.8MB
- Rozmiar pliku Mobi:
- 58.6MB
Spis treści ebooka
- Foreword
- Preface
- Who Should Read This Book
- Why I Wrote This Book
- Navigating This Book
- Technology You Need to Understand
- Online Resources
- Conventions Used in This Book
- Using Code Examples
- OReilly Online Learning
- How to Contact Us
- Acknowledgments
- I. Building Models
- 1. Introduction to TensorFlow
- What Is Machine Learning?
- Limitations of Traditional Programming
- From Programming to Learning
- What Is TensorFlow?
- Using TensorFlow
- Installing TensorFlow in Python
- Using TensorFlow in PyCharm
- Using TensorFlow in Google Colab
- Getting Started with Machine Learning
- Seeing What the Network Learned
- Summary
- 2. Introduction to Computer Vision
- Recognizing Clothing Items
- The Data: Fashion MNIST
- Recognizing Clothing Items
- Neurons for Vision
- Designing the Neural Network
- The Complete Code
- Training the Neural Network
- Exploring the Model Output
- Training for LongerDiscovering Overfitting
- Stopping Training
- Summary
- 3. Going Beyond the Basics: Detecting Features in Images
- Convolutions
- Pooling
- Implementing Convolutional Neural Networks
- Exploring the Convolutional Network
- Building a CNN to Distinguish Between Horses and Humans
- The Horses or Humans Dataset
- The Keras ImageDataGenerator
- CNN Architecture for Horses or Humans
- Adding Validation to the Horses or Humans Dataset
- Testing Horse or Human Images
- Image Augmentation
- Transfer Learning
- Multiclass Classification
- Dropout Regularization
- Summary
- 4. Using Public Datasets with TensorFlow Datasets
- Getting Started with TFDS
- Using TFDS with Keras Models
- Loading Specific Versions
- Using Mapping Functions for Augmentation
- Using TensorFlow Addons
- Using Custom Splits
- Understanding TFRecord
- The ETL Process for Managing Data in TensorFlow
- Optimizing the Load Phase
- Parallelizing ETL to Improve Training Performance
- Summary
- 5. Introduction to Natural Language Processing
- Encoding Language into Numbers
- Getting Started with Tokenization
- Turning Sentences into Sequences
- Using out-of-vocabulary tokens
- Understanding padding
- Encoding Language into Numbers
- Removing Stopwords and Cleaning Text
- Working with Real Data Sources
- Getting Text from TensorFlow Datasets
- Using the IMDb subwords datasets
- Getting Text from TensorFlow Datasets
- Getting Text from CSV Files
- Creating training and test subsets
- Getting Text from JSON Files
- Reading JSON files
- Summary
- 6. Making Sentiment Programmable Using Embeddings
- Establishing Meaning from Words
- A Simple Example: Positives and Negatives
- Going a Little Deeper: Vectors
- Establishing Meaning from Words
- Embeddings in TensorFlow
- Building a Sarcasm Detector Using Embeddings
- Reducing Overfitting in Language Models
- Adjusting the learning rate
- Exploring vocabulary size
- Exploring embedding dimensions
- Exploring the model architecture
- Using dropout
- Using regularization
- Other optimization considerations
- Using the Model to Classify a Sentence
- Visualizing the Embeddings
- Using Pretrained Embeddings from TensorFlow Hub
- Summary
- 7. Recurrent Neural Networks for Natural Language Processing
- The Basis of Recurrence
- Extending Recurrence for Language
- Creating a Text Classifier with RNNs
- Stacking LSTMs
- Optimizing stacked LSTMs
- Using dropout
- Stacking LSTMs
- Using Pretrained Embeddings with RNNs
- Summary
- 8. Using TensorFlow to Create Text
- Turning Sequences into Input Sequences
- Creating the Model
- Generating Text
- Predicting the Next Word
- Compounding Predictions to Generate Text
- Extending the Dataset
- Changing the Model Architecture
- Improving the Data
- Character-Based Encoding
- Summary
- 9. Understanding Sequence and Time Series Data
- Common Attributes of Time Series
- Trend
- Seasonality
- Autocorrelation
- Noise
- Common Attributes of Time Series
- Techniques for Predicting Time Series
- Naive Prediction to Create a Baseline
- Measuring Prediction Accuracy
- Less Naive: Using Moving Average for Prediction
- Improving the Moving Average Analysis
- Summary
- 10. Creating ML Models to Predict Sequences
- Creating a Windowed Dataset
- Creating a Windowed Version of the Time Series Dataset
- Creating a Windowed Dataset
- Creating and Training a DNN to Fit the Sequence Data
- Evaluating the Results of the DNN
- Exploring the Overall Prediction
- Tuning the Learning Rate
- Exploring Hyperparameter Tuning with Keras Tuner
- Summary
- 11. Using Convolutional and Recurrent Methods for Sequence Models
- Convolutions for Sequence Data
- Coding Convolutions
- Experimenting with the Conv1D Hyperparameters
- Convolutions for Sequence Data
- Using NASA Weather Data
- Reading GISS Data in Python
- Using RNNs for Sequence Modeling
- Exploring a Larger Dataset
- Using Other Recurrent Methods
- Using Dropout
- Using Bidirectional RNNs
- Summary
- II. Using Models
- 12. An Introduction to TensorFlow Lite
- What Is TensorFlow Lite?
- Walkthrough: Creating and Converting a Model to TensorFlow Lite
- Step 1. Save the Model
- Step 2. Convert and Save the Model
- Step 3. Load the TFLite Model and Allocate Tensors
- Step 4. Perform the Prediction
- Walkthrough: Transfer Learning an Image Classifier and Converting to TensorFlow Lite
- Step 1. Build and Save the Model
- Step 2. Convert the Model to TensorFlow Lite
- Step 3. Optimize the Model
- Summary
- 13. Using TensorFlow Lite in Android Apps
- What Is Android Studio?
- Creating Your First TensorFlow Lite Android App
- Step 1. Create a New Android Project
- Step 2. Edit Your Layout File
- Step 3. Add the TensorFlow Lite Dependencies
- Step 4. Add Your TensorFlow Lite Model
- Step 5. Write the Activity Code to Use TensorFlow Lite for Inference
- Moving Beyond Hello WorldProcessing Images
- TensorFlow Lite Sample Apps
- Summary
- 14. Using TensorFlow Lite in iOS Apps
- Creating Your First TensorFlow Lite App with Xcode
- Step 1. Create a Basic iOS App
- Step 2. Add TensorFlow Lite to Your Project
- Step 3. Create the User Interface
- Step 4. Add and Initialize the Model Inference Class
- Step 5. Perform the Inference
- Step 6. Add the Model to Your App
- Step 7. Add the UI Logic
- Creating Your First TensorFlow Lite App with Xcode
- Moving Beyond Hello WorldProcessing Images
- TensorFlow Lite Sample Apps
- Summary
- 15. An Introduction to TensorFlow.js
- What Is TensorFlow.js?
- Installing and Using the Brackets IDE
- Building Your First TensorFlow.js Model
- Creating an Iris Classifier
- Summary
- 16. Coding Techniques for Computer Vision in TensorFlow.js
- JavaScript Considerations for TensorFlow Developers
- Building a CNN in JavaScript
- Using Callbacks for Visualization
- Training with the MNIST Dataset
- Running Inference on Images in TensorFlow.js
- Summary
- 17. Reusing and Converting Python Models to JavaScript
- Converting Python-Based Models to JavaScript
- Using the Converted Models
- Converting Python-Based Models to JavaScript
- Using Preconverted JavaScript Models
- Using the Toxicity Text Classifier
- Using MobileNet for Image Classification in the Browser
- Using PoseNet
- Summary
- 18. Transfer Learning in JavaScript
- Transfer Learning from MobileNet
- Step 1. Download MobileNet and Identify the Layers to Use
- Step 2. Create Your Own Model Architecture with the Outputs from MobileNet as Its Input
- Step 3. Gather and Format the Data
- Step 4. Train the Model
- Step 5. Run Inference with the Model
- Transfer Learning from MobileNet
- Transfer Learning from TensorFlow Hub
- Using Models from TensorFlow.org
- Summary
- 19. Deployment with TensorFlow Serving
- What Is TensorFlow Serving?
- Installing TensorFlow Serving
- Installing Using Docker
- Installing Directly on Linux
- Building and Serving a Model
- Exploring Server Configuration
- Summary
- 20. AI Ethics, Fairness, and Privacy
- Fairness in Programming
- Fairness in Machine Learning
- Tools for Fairness
- The What-If Tool
- Facets
- Federated Learning
- Step 1. Identify Available Devices for Training
- Step 2. Identify Suitable Available Devices for Training
- Step 3. Deploy a Trainable Model to Your Training Set
- Step 4. Return the Results of the Training to the Server
- Step 5. Deploy the New Master Model to the Clients
- Secure Aggregation with Federated Learning
- Federated Learning with TensorFlow Federated
- Googles AI Principles
- Summary
- Index
O'Reilly Media - inne książki
-
Microsoft Teams is used in hundreds of thousands of organizations to help keep remote and hybrid workplaces with dispersed workforces running smoothly. But while Microsoft Teams can seem easy for the user, Teams administrators must stay on top of a wide range of topics, including device administr...(271.15 zł najniższa cena z 30 dni)
216.38 zł
359.00 zł(-40%) -
Automate your software development processes with GitHub Actions, the continuous integration and continuous delivery platform that integrates seamlessly with GitHub. With this practical book, open source author, trainer, and DevOps director Brent Laster explains everything you need to know about ...(203.15 zł najniższa cena z 30 dni)
160.58 zł
269.00 zł(-40%) -
What will you learn from this book?Want to learn the Python language without slogging your way through how-to manuals? With Head First Python, you'll quickly grasp Python's fundamentals by working with built-in data structures and functions. You'll build your very own web app, which—once it...(203.15 zł najniższa cena z 30 dni)
160.58 zł
269.00 zł(-40%) -
Ideal for working programmers new to Java, this best-selling book guides you through the language features and APIs of Java 21. Through fun, compelling, and realistic examples, authors Marc Loy, Patrick Niemeyer, and Dan Leuck introduce you to Java's fundamentals, including its class libraries, p...(254.15 zł najniższa cena z 30 dni)
191.58 zł
319.00 zł(-40%) -
Baseball is not the only sport to use "moneyball." American football fans, teams, and gamblers are increasingly using data to gain an edge against the competition. Professional and college teams use data to help select players and identify team needs. Fans use data to guide fantasy team picks and...(211.65 zł najniższa cena z 30 dni)
160.58 zł
269.00 zł(-40%) -
Quickly detect, troubleshoot, and prevent a wide range of data issues through data observability, a set of best practices that enables data teams to gain greater visibility of data and its usage. If you're a data engineer, data architect, or machine learning engineer who depends on the quality of...(211.65 zł najniższa cena z 30 dni)
160.58 zł
269.00 zł(-40%) -
There are several reasons why probabilistic machine learning represents the next-generation ML framework and technology for finance and investing. This generative ensemble learns continually from small and noisy financial datasets while seamlessly enabling probabilistic inference, retrodiction, p...
Probabilistic Machine Learning for Finance and Investing Probabilistic Machine Learning for Finance and Investing
(254.15 zł najniższa cena z 30 dni)191.58 zł
319.00 zł(-40%) -
At some point in your career, you'll realize there's more to being a software engineer than dealing with code. Is it time to become a manager? Or join a startup? In this insightful and entertaining book, Michael Lopp recalls his own make-or-break moments with Silicon Valley giants such as Apple, ...(152.15 zł najniższa cena z 30 dni)
117.18 zł
189.00 zł(-38%) -
TypeScript is one of the most important tools for JavaScript developers. Still, even experienced developers wonder why the TypeScript compiler is throwing squiggly red lines at them. Enter TypeScript Cookbook. With this practical guide, author Stefan Baumgartner provides senior engineers with sol...(211.65 zł najniższa cena z 30 dni)
160.58 zł
269.00 zł(-40%) -
Learn everything you need to know to use the powerful Unity engine to its full potential for 3D and 2D game development, simulation, artificial intelligence, and beyond. From the basics of scripting to techniques for interactivity, AI and behavior, animation, narrative, and networking, this flexi...(211.65 zł najniższa cena z 30 dni)
160.58 zł
269.00 zł(-40%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
W przypadku usługi "Druk na żądanie" termin dostarczenia przesyłki może obejmować także czas potrzebny na dodruk (do 10 dni roboczych)
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka drukowana


Oceny i opinie klientów: AI and Machine Learning for Coders Laurence Moroney (0)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.