ДМК-Пресс Эволюционные нейросети на языке Python Омельяненко Ярослав

Если вы хотите научиться программировать на языке Python, который в последнее время становится популярным у нас в стране и за рубежом, то эта книга — для вас. В ней рассматриваются особенности разработки компьютерных программ и соответствующие инструкции языка Python, основные структуры данных этого языка (строки, списки, словари, файлы), типовые задачи программирования и методы их решения, а также вопросы совершенствования программы на основе использования функций. Впервые системно и популярно изложена методика разработки программ на языке Python с графическим пользовательским интерфейсом • Книга предназначена для всех, кто изучает или преподает программирование • Основные инструкции языка и структуры данных • Типовые задачи программирования, полезные советы • Задачи из ЕГЭ по информатике • Методика разработки графического интерфейса

Данная книга является первым в России изданием, рассматривающая функциональное программирование в полном объеме, достойном для понимания новичку и для использования книги в качестве справочного пособия теми, кто уже использует парадигму функционального программирования в своей практике. Изучение прикладных основ показано на примере языка Haskell, на сегодняшний день являющегося самым мощным и развитым инструментом функционального программирования • Издание можно использоватьи в качестве учебника по функциональному программированию, и в качестве самостоятельного учебного пособия по смежным дисциплинам, в первую очередь по комбинаторной логике и Х-исчислению • Также книга будет интересна тем, кто всерьез занимается изучением новых компьютерных технологий, искусственного интеллекта и экспертных систем

Учебное пособие содержит 662 задачи различного уровня сложности - от легких упражнений до сложных прикладных программ. На конкретных примерах показан профессиональный подход к стилю программирования, к надежности и корректности алгоритмов и программ • Глава 1 книги («Основы программирования») содержит 439 задач, многие из которых по силам школьникам и студентам подготовительного курса. Содержание этой части соответствует учебным программам по информатике, но не дублирует базовых учебников • Глава 2 книги («На пути к профессиональному программированию») предназначена для студентов технических специальностей, а также для всех энтузиастов, заинтересованных в создании собственных прикладных программ • За исключением нескольких простых упражнений, все программы проверены в системе Turbo Pascal 7

Генетические алгоритмы — это семейство алгоритмов поиска, оптимизации и обучения, черпающее идеи из естественной эволюции. Благодаря имитации эволюционных процессов генетические алгоритмы способы преодолевать трудности, присущие традиционным алгоритмам поиска, и находить высококачественные решения в самых разных задачах. Эта книга поможет освоить мощный, но в то же время простой подход к применению генетических алгоритмов, написанных на языке Python, и познакомиться с последними достижениями в области искусственного интеллекта • После обзора генетических алгоритмов и описания принципов автор рассказывает об их отличиях от традиционных алгоритмов и о типах задач, к которым они применимы, как то: планирование, составление расписаний, игры и анализ функций

Если вы хотите разобраться в основах теории и алгоритмов компьютерного зрения, то эта книга - как раз то, что вам нужно. Вы узнаете о методах распознавания объектов, трехмерной реконструкции, обработке стереоизображений, дополненной реальности и других приложениях компьютерного зрения. Изложение сопровождается понятными примерами на языке Python. При этом объяснения даются в общих чертах, без погружения в сухую теорию. Издание идеально подходит для студентов, исследователей и энтузиастов-любителей с базовыми знаниями математики и навыками программирования.. Краткое содержание книги: методы, применяемые для ориентации роботов, обработки медицинских изображений и в других приложениях машинного зрения; преобразования изображений, в частности деформирование текстур и создание панорам; вычисление трехмерной реконструкции по нескольким изображениям одной сцены; организация изображений по сходству или содержанию с применением методов кластеризации; разработка эффективных методов поиска изображений по содержанию; алгоритмы распознавания объектов и классификации изображений по содержанию; работа с популярной библиотекой OpenCV через интерфейс с Python

Если вы знаете, как программировать на Python и немного знаете о теории вероятности, значит, вы готовы освоить байесовскую статистику • Эта книга расскажет вам, как решать статистические задачи с помощью языка Python вместо математических формул и использовать дискретные вероятностные распределения вместо непрерывной математики. Когда вы уберете с дороги математику, байесовские основы станут яснее, и вы начнете применять эту технику для решения реальных проблем • Байесовские статистические методы становятся все более обширными и важными. Но в помощь начинающим доступно не слишком много источников. Изложенная в этой книге методика основана на материале проводимых автором студенческих занятиях и точно поможет вам сделать хороший старт! • Издание будет полезно всем специалистам по анализу данных, кто должен использовать статистические данные в условиях их неполноты или решать другие нетривиальные задачи, связанные с вероятностными распределениями

Если вы знакомы с основами математики и с программированием на Python, то вы готовы к погружению в обработку сигналов. При изучении этой сложной темы в большинстве руководств начинают с теории, в этой же книге все изучается на примерах, взятых из реальной жизни. Уже в первой главе вы разложите звук на гармоники, поменяете их и создадите новые звуки. Автор, Аллен Дауни, рассматривает несколько методов - тут и спектральное разложение, и фильтрация, и свертка, и быстрое преобразование Фурье. В этой книге много упражнений и примеров кода - с ними проще разбираться в материале. Книга профессора Дауни - идеальный путеводитель в мире цифровой обработки сигналов. Она содержит массу информации - от основ до "высоких материй", и она представлена в простом, логичном и хорошо организованном виде, с большим количеством иллюстраций

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

В книге описаны современные передовые практики и методы, позволяющие создавать ясный и удобный для сопровождения код • Объясняются языковые средства Python, обычно мало рассматриваемые в других изданиях: от повторно используемых консольных скриптов, одновременно играющих роль микросервисов благодаря точкам входа, до эффективного использования модуля asyncio для объединения данных из различных источников • Попутно излагается проверка соблюдения стандартов кодирования с помощью аннотаций типов, тестирование с низкими накладными расходами и другие автоматизированные проверки качества кода, применяемые на практике для организации процесса разработки надежного ПО • Некоторые мощные возможности Python зачастую иллюстрируются на искусственных примерах, когда то или иное средство описывается в изоляции от всего остального

Изучение начинается с общих концепций программирования, таких как циклы и функции в ядре Python 3, затем рассматриваются библиотеки NumPy, SciPy и Matplotlib для вычислительного программирования и визуализации данных