ДМК-Пресс Введение в статистическое обучение с примерами на языке R Джеймс Гарет, Уиттон Даниела, Тибширани Роберт, Хасти Тревор

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

Всё, что регистрирует человек и созданные им машины, может считаться данными. Фиксируя новое и переводя архивы в цифровую форму, мы с каждым днём производим всё больше данных. Но гораздо чаще случается так, что данные разбросаны по всемирной сети на многочисленных страницах онлайновых магазинов, заметках в социальных сетях, логах серверов и т.п. Прежде чем начать работать с такими данными, их необходимо собрать и сохранить в пригодном для анализа виде. Решению этих вопросов и посвящена данная книга • Основной материал книги разделён на две части. В первой части дано краткое введение в R - описание среды разработки, языка и основных пакетов-расширений. Вторая часть посвящена непосредственно сбору данных: работе с открытыми данными, извлечению данных из веб-страниц и из социальных сетей

Логическое программирование – это стиль программирования, в котором программы принимают форму наборов предложений на языке символической логики. В последнее время интерес к нему вырос благодаря возможности применения в дедуктивных базах данных, электронных таблицах, создании бизнес-логики при управлении предприятием и др • Данная книга знакомит с теорией логического программирования, современными технологиями и популярными применениями. Авторы ведут читателя от изучения базовых понятий (наборы данных, запросы, обновления и т.д.) к практическому применению вычислительной логики. Книга удобно структурирована: рассмотрение новых терминов сопровождается многочисленными примерами; в конце глав приводятся упражнения, позволяющие закрепить пройденный материал

С распространением больших данных растет спрос на вычислительную и алгоритмическую эффективность. Главная задача настоящей книги состоит в том, чтобы предоставить способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах без привлечения дорогостоящих корпоративных решений или больших вычислительных кластеров. Описаны масштабируемое обучение в Scikit-learn, нейронные сети и глубокое обучение с использованием Theano, H2O и TensorFlow. Рассмотрены классификационные и регрессионные деревья, а также обучение без учителя. Охвачены эффективные методы машинного обучения в вычислительной среде MapReduce на платформах Hadoop и Spark на языке Python • С этой книгой вы научитесь • применять большинство масштабируемых алгоритмов машинного обучения • работать с новейшими крупномасштабными методами машинного обучения • увеличивать прогнозную точность при помощи методов глубокого обучения и масштабируемых методов обработки данных • работать с вычислительной парадигмой Map-Reduce в платформе Spark • применять эффективные алгоритмы машинного обучения на основе платформ Spark и Hadoop • создавать мощные ансамбли в крупном масштабе • использовать потоки данных для обучения линейных и нелинейных прогнозных моделей на чрезвычайно больших наборах данных, используя всего одну машину

Книга охватывает многообразные аспекты создания веб-приложений с помощью самого популярного веб-фреймворка Django на языке Python. Изучив четыре проекта разной направленности (приложение для ведения блога и электронной коммерции, социальный веб-сайт, платформа электронного обучения), вы получите хорошее представление о том, как работает Django • Прочитав книгу, вы • - усвоите основы Django, включая модели, ORM-преобразователь, представления, шаблоны, URL-адреса, формы, аутентификацию, сигналы и промежуточные программные компоненты • - реализуете аутентификацию с использованием учетных записей Facebook, Twitter и Google, настроите профили пользователей • - разработаете каталог товаров и корзину покупок для онлайн-магазина • - научитесь обрабатывать платежи с помощью платежного шлюза Stripe и управлять уведомлениями о платежах с помощью веб-перехватчиков • - интегрируете в свой проект сторонние приложения Django

Если вы уже владеете программированием на языке Haskell, эта книга научит вас использованию множества интерфейсов и библиотек, предназначенных для написания параллельных и конкурентных программ. Вы узнаете, как распараллеливание на многоядерные процессоры позволяет ускорять вычислительно нагруженные программы и как конкурентность облегчает написание программ с активно взаимодействующими между собой и с другими программами потоками • Автор Саймон Марлоу проведёт вас по этому пути, сопровождая его большим количеством примеров, с которыми можно самостоятельно экспериментировать, запуская, изменяя и расширяя. Книга делится на две части, посвященные таким инструментам, как Parallel Haskell и Concurrent Haskell, включённые в неё упражнения позволят вам научиться • выражать параллелизм в языке Haskell средствами монады Eval и стратегий вычислений • распараллеливать обычный код на языке Haskell в монаде Par • организовывать параллельные вычисления с массивами на основе библиотеки Repa • использовать библиотеку Accelerate для запуска вычислений на графических процессорах • работать с базовыми интерфейсами для написания конкурентного кода • реализовывать высокопроизводительные конкурентные сетевые серверы • писать распределённые программы, запускающиеся на множестве машин сети

Многообразие и доступность различных недорогих аппаратных платформ, таких как Arduino, Raspberry Pi и др., простота их программирования, и при этом практически полное отсутствие средств защиты от них делают хакерские устройства мощным и опасным средством реализации компьютерных атак. В книге рассматриваются как теоретические основы информационной безопасности, так и практические аспекты создания собственных устройств с исходными кодами, схемами и примерами реализации. Также рассматриваются механизмы защиты от данного вида атак • Издание предназначено для читателей, знакомых с основами информационной безопасности и владеющих навыками программирования на языках высокого уровня

В книге представлены полезные методы программирования, имеющие практическую ценность. Опираясь на свой многолетний опыт, авторы показывают, как написать надежный код, который смогут читать другие разработчики. Основной принцип обучения - составление плана решения: от определения структур данных по условиям поставленной задачи через примеры и тесты к написанию программного кода. Книга содержит большое количество примеров и упражнений, позволяющих читателям самостоятельно закрепить изученный материал на практике • Книга будет полезна студентам вузов, где преподается информатика, а также тем, кто хочет изучить программирование на базовом уровне

Отличное введение в Elixir для людей с практическим складом ума. Авторы сразу переходят к сути и дают прекрасный обзор возможностей языка Elixir, достаточно глубокий, чтобы познакомить читателя с языком и вызвать желание попробовать его. Красивый, мощный и компактный, язык программирования Elixir отлично подходит для изучения функционального программирования, и это практическое введение покажет вам, насколько широкими возможностями он обладает. Авторы расскажут, как Elixir сочетает в себе надежность языка функционального программирования Erlang с подходом, который больше похож Ruby, а также мощную поддержку макросов для метапрограммирования. Эта книга поможет вам шаг за шагом освоить разработку программ на Elixir. Познакомившись с сопоставлением с образцом, программированием процессов и другими идеями, вы поймете, почему на Elixir так просто писать параллельные, надежные и отказоустойчивые программы, которые легко масштабируются как вверх, так и вниз

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

Ошеломляющий успех коммерческих приложений машинного обучения (machine learning - ML) и быстрый рост этой отрасли создали высокий спрос на готовые методы ML, которые можно легко использовать без специальных знаний. Однако и сегодня успех практического применения в решающей степени зависит от экспертов - людей, которые вручную выбирают подходящие архитектуры и их гиперпараметры. Методы AutoML нацелены на устранение этого узкого места путем построения систем ML, способных к автоматической оптимизации и самонастройке независимо от типа входных данных • В этой книге впервые представлен всеобъемлющий обзор базовых методов автоматизированного машинного обучения (AutoML). Издание послужит отправной точкой для изучения этой быстро развивающейся области; тем, кто уже использует AutoML в своей работе, книга пригодится в качестве справочника

"Если вы собираетесь использовать машинное обучение для решения крупномасштабных практических задач, могу только порадоваться, что вы наткнулись на эту книгу. Читайте с удовольствием!" • Кэсси Козырков, главный специалист по теории принятия решений в Google • "Фундаментальная работа о практическом построении моделей машинного обучения и их развертывании в производственной среде. Подоспела как раз в тот момент, когда компании начали прозревать и осознавать, что для того, чтобы решение, основанное на машинном обучении, заработало, необходимы осознанные усилия инженеров и знакомство с передовыми практиками. Еще одна замечательная книга от Андрея!" • Каролис Урбонас, начальник отдела машинного обучения в Amazon • Новая книга Андрея Буркова, автора "Машинного обучения без лишних слов", мирового бестселлера, изданного на одиннадцати языках, - самая полная из существующих книг по прикладному ИИ