ДМК-Пресс Вероятностные графовые модели. Принципы и приложения Сукар Луис Энрике

Вероятностное программирование - это новый способ создания вероятностных моделей, позволяющих предсказывать или выводить новые факты, которых нет в результатах наблюдений. Это позволяет, к примеру, прогнозировать такие будущие события, как тенденции продаж, отказы вычислительных систем, исходы экспериментов и многое другое. Книга представляет собой введение в вероятностное программирование для программистов-практиков. Автор почти сразу переходит к практическим примерам: построению фильтра спама, диагностике ошибок в вычислительной системе, восстановлению цифровых изображений. Вы познакомитесь с вероятностным выводом, где алгоритмы помогают прогнозировать, например, использование социальных сетей. Попутно узнаете о применении функционального стиля программирования для анализа текстов, объектно-ориентированных моделей - для прогнозирования распространения твитов, и моделей с открытой вселенной - для измерения явлений, имеющих место в социальной сети

Данный классический труд содержит обстоятельное современное введение в машинное обучение (включая глубокое обучение), рассматриваемое сквозь объединяющую призму вероятностного моделирования и байесовской теории принятия решений. Включен базовый математический аппарат (в т. ч. элементы линейной алгебры и теории оптимизации), основы обучения с учителем (включая линейную и логистическую регрессию и глубокие нейронные сети), а также более сложные темы (в т. ч. перенос обучения и обучение без учителя). Упражнения в конце глав помогут читателям применить полученные знания, а в приложении имеется сводка используемых обозначений • В основу издания легла вышедшая в 2012 году книга Кэвина Мэрфи "Machine Learning: A Probabilistic Perspective". Однако это совершенно новая работа, отражающая многие достижения, случившиеся в этой области за последние 10 лет

Книга рассказывает о ключевых аспектах создания облачных, мобильных и веб-решений на языке F# в комбинации с различными технологиями для платформы.NET. На практических примерах демонстрируется, как решать проблемы конкуренции, асинхронного выполнения и другие, встречающиеся на стороне сервера. Вы узнаете, как повысить свою продуктивность с помощью языка F#, интегрируя его в существующие веб-приложения или используя его для создания новых проектов • Опытные программисты для.NET узнают, как этот выразительный язык функционального программирования помогает писать надежные и простые в сопровождении решения, легко масштабируемые и способные адаптироваться для работы на самых разных устройствах • - Используйте F# с такими инструментами, как ASP.NET MVC, ASP

Перед вами хорошо известное введение в вычислительную геометрию. Основной упор в книге сделан на алгоритмах в виде, доступном широкой аудитории. Все методы и решения, разрабатываемые в рамках вычислительной геометрии, связаны с конкретными применениями в робототехнике, компьютерной графике, САПР/АСУП и геоинформационных системах. Для большинства рассмотренных геометрических задач приводится одно, наиболее оптимальное решение. Рассмотрены все основные, а также ряд специальных тем вычислительной геометрии. Издание предназначено студентам, аспирантам, а также разработчикам программного обеспечения, имеющих лишь базовую подготовку в области алгоритмов

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас • Эта книга не похожа на большинство других учебников и руководств по глубокому обучению – в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи глубокого обучения и нейронных сетей • Второй том посвящен нейронным сетях – быстро развивающемуся направлению машинного обучения. В первом томе, вышедшем в издательстве «ДМК Пресс» ранее, изложены фундаментальные основы глубокого обучения

Приложения машинного обучения демонстрируют лучшую эффективность при наличии обратной связи с человеком. Привлечение к работе подходящих сотрудников повышает точность моделей, уменьшает количество ошибок в данных, сокращает расходы и помогает ускорить выпуск моделей • В книге изложены методики эффективной совместной работы людей и машин. Здесь вы найдете лучшие практики по выбору образцов данных для обратной связи с человеком, контролю качества аннотаций человека и разработке интерфейсов аннотаций • Вы научитесь создавать обучающие данные для маркировки, распознавания объектов, семантической сегментации, маркировки последовательностей и многого другого. Книга начинается с основ и переходит к продвинутым методам, таким как обучение переноса и самоконтроль в рабочих процессах аннотирования

Язык запросов API GraphQL заметно упрощает обмен данными с серверами, позволяя приложениям получать данные в виде простых для понимания графов. Преимущества GraphQL можно усилить за счет таких графовых инструментов и хранилищ данных, как React, Apollo и Neo4j. Подход к разработке графовых приложений полного цикла обеспечивает согласованную модель данных от начала до конца, повышая продуктивность разработчиков • Эта книга научит вас создавать графовые веб-приложения с использованием GraphQL, React, Apollo и базы данных Neo4j, которые все вместе называются GRANDstack. На практических примерах вы увидите, как элементы GRANDstack сочетаются друг с другом. Попутно создадите и развернете в облаке полноценное веб-приложение, поддерживающее поиск, аутентификацию и многое другое

Эта книга, посвященная методике вероятностного программирования, научит вас создавать гибкие байесовские статистические модели в программном коде • Сочетание гибкого определения модели и механизма автоматического логического вывода предоставляет исследователю мощный инструмент для быстрого создания, анализа и постепенного усовершенствования новых статистических моделей. Вероятностное программирование делает статистическое моделирование доступным практически для всех, значительно снижая требования к уровню математической подготовки, позволяя создавать новые модели более простым методом и тратить на это меньше времени • Издание будет полезно всем специалистам по анализу данных, решающим нетривиальные задачи, связанные с вероятностными распределениями

Каждую секунду во всем мире собирается и динамически обновляется огромный объем информации. Графовые алгоритмы, которые основаны на математике, специально разработанной для изучения взаимосвязей между данными, помогают разобраться в этих гигантских объемах. и, что особенно важно в наши дни, они улучшают контекстную информацию для искусственного интеллекта. Эта книга представляет собой практическое руководство по началу работы с графовыми алгоритмами. В начале описания каждой категории алгоритмов приводится таблица, которая поможет быстро выбрать нужный алгоритм и ознакомиться с примерами его использования • Издание предназначено для разработчиков и специалистов по анализу данных. Для изучения материала книги желателен опыт использования платформ Apache Spark или Neo4j, но она пригодится и для изучения более общих понятий теории графов, независимо от выбора графовых технологий

Реактивное программирование — это эффективный способ создания отзывчивых приложений с удобным для поддержки кодом • В данной книге изложены понятия и принципы функционального реактивного программирования, помогающие строить параллельные, асинхронные приложения с наименьшими усилиями и минимумом ошибок. Рассмотрен обзор подходов к обработке событий, нашедших применение в ряде программных систем. Описаны средства параллельного, асинхронного и неблокирующего программирования. Изучив эту книгу, вы будете хорошо разбираться в тонкостях реактивной модели программирования и методах её реализации на новейшей версии языка C++ — языке стандарта C++17

TinyML – технология, призванная расширить использование искусственного интеллекта за счет устройств с малым энергопотреблением, таких как микроконтроллеры. Прочитав эту книгу, вы сможете свободно использовать передовые практики и фреймворки ML в своей работе • Среди рассматриваемых тем • принципы программирования микроконтроллеров • основы развертывания приложений на Arduino Nano 33 BLE Sense и Raspberry Pi Pico • внедрение приложения, реагирующего на человеческий голос, с помощью Edge Impulse • использование трансфертного обучения для классификации внутренних помещений с помощью Arduino Nano 33 BLE Sense • создание приложения для распознавания жестов с помощью Raspberry Pi Pico • разработка модели CIFAR-10 для микроконтроллеров с ограниченным объемом памяти • запуск классификатора изображений на виртуальном Arm Ethos-U55 microNPU с microTVM