ΤΕΧΝΙΤΗ ΝΟΗΜΟΣΥΝΗ

ΜΙΑ ΠΡΑΓΜΑΤΟΛΟΓΙΚΗ ΠΡΟΣΕΓΓΙΣΗ

Μάθετε όλα όσα χρειάζεστε για έτοιμες λύσεις τεχνητής νοημοσύνης και μηχανικής μάθησης

Το βιβλίο Τεχνητή νοημοσύνη, Μια πραγματολογική ανάλυση θα σας βοηθήσει να λύσετε πραγματικά προβλήματα με σύγχρονα εργαλεία μηχανικής μάθησης, τεχνητής νοημοσύνης και το cloud. Ο Noah Gift απομυθοποιεί όλες τις θεωρίες και τα εργαλεία που χρειάζεστε για να έχετε αποτελέσματα-ακόμα κι αν δεν έχετε μεγάλο υπόβαθρο στα μαθηματικά ή την επιστήμη των δεδομένων.

Ο Gift φωτίζει αποτελεσματικές λύσεις για το cloud που προσφέρονται στην αγορά από τις Amazon, Google και Microsoft και παρουσιάζει αποδεδειγμένες τεχνικές χρησιμοποιώντας το οικοσύστημα επιστήμης υπολογιστών της Python. Οι ροές εργασίας και τα παραδείγματά του θα σας βοηθήσουν να οργανώσετε καλύτερα και να απλοποιήσετε κάθε βήμα, από την ανάπτυξη στην παραγωγή, καθώς και να κατασκευάσετε εξαιρετικά κλιμακούμενες λύσεις. Όσο θα μαθαίνετε πώς λειτουργούν οι λύσεις για έργα μηχανικής μάθησης (ML), τόσο περισσότερο θα αντιλαμβάνεστε τι μπορείτε να πετύχετε μ' αυτές και πώς να μεγιστοποιείτε την αξία τους.

Βασιζόμενοι σ' αυτά τα θεμελιώδη σημεία, θα προχωρήσετε βήμα-βήμα στην κατασκευή εφαρμογών τεχνητής νοημοσύνης (AI) / μηχανικής μάθησης (ML) που θα εκτελούνται στο cloud με τις οποίες θα χειρίζεστε ρεαλιστικά ζητήματα στο αθλητικό μάρκετινγκ, την τιμολόγηση προϊόντων, την αγορά ακινήτων και πολλά ακόμα. Είτε είστε επαγγελματίας των επιχειρήσεων, υπεύθυνος για τη λήψη αποφάσεων, φοιτητής ή προγραμματιστής, η έμπειρη καθοδήγηση του Gift και οι μελέτες περιπτώσεων που καλύπτουν μεγάλο εύρος πεδίων θα σας προετοιμάσουν ώστε να μπορείτε να δώσετε λύσεις σε προβλήματα της επιστήμης των δεδομένων σε κάθε περιβάλλον.

• Αποκτήστε και διαμορφώσετε όλα τα εργαλεία που θα χρειαστείτε
• Μάθετε γρήγορα την Python που θα χρειαστείτε για να ξεκινήσετε την κατασκευή εφαρμογών μηχανικής μάθησης
• Μάθετε τα πάντα για την αλυσίδα εργαλείων και τον κύκλο ζωής προϊόντων AI και ML
• Αξιοποιήστε εργαλεία επιστήμης δεδομένων της Python, όπως IPython, Pandas, Numpy, Juypter Notebook και Sklearn
• Ενσωματώστε έναν πραγματιστικό βρόχο ανατροφοδότησης που βελτιώνει σε συνεχή βάση την αποδοτικότητα των ροών εργασιών και των συστημάτων σας
• Αναπτύξτε λύσεις AI για το cloud με την πλατφόρμα Google Cloud Platform, συμπεριλαμβάνοντας TPU, Colaboratory και υπηρεσίες Datalab
• Δημιουργήστε ροές εργασίας AI για το cloud με την πλατφόρμα Amazon Web Services, συμπεριλαμβάνοντας spot instances, σωληνώσεις κώδικα, boto, υπηρεσίες χωρίς διακομιστή, Sagemaker και άλλα
• Χρησιμοποιήστε API του Microsoft Azure για AI
• Ακολουθήστε την πορεία κατασκευής έξι πραγματικών εφαρμογών AI, από την αρχή ως το τέλος