The Applied Artificial Intelligence Workshop

- Autorzy:
- Anthony So, William So, Zsolt Nagy


- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 420
- Dostępne formaty:
-
PDFePubMobi
Opis książki: The Applied Artificial Intelligence Workshop
You already know that artificial intelligence (AI) and machine learning (ML) are present in many of the tools you use in your daily routine. But do you want to be able to create your own AI and ML models and develop your skills in these domains to kickstart your AI career? The Applied Artificial Intelligence Workshop gets you started with applying AI with the help of practical exercises and useful examples, all put together cleverly to help you gain the skills to transform your career. The book begins by teaching you how to predict outcomes using regression. You will then learn how to classify data using techniques such as k-nearest neighbor (KNN) and support vector machine (SVM) classifiers. As you progress, you'll explore various decision trees by learning how to build a reliable decision tree model that can help your company find cars that clients are likely to buy. The final chapters will introduce you to deep learning and neural networks. Through various activities, such as predicting stock prices and recognizing handwritten digits, you'll learn how to train and implement convolutional neural networks (CNNs) and recurrent neural networks (RNNs). By the end of this applied AI book, you'll have learned how to predict outcomes and train neural networks and be able to use various techniques to develop AI and ML models.
Wybrane bestsellery
-
Oto intuicyjny przewodnik dla średnio zaawansowanych programistów Pythona, pomyślany tak, by przyswajać zasady programowania zorientowanego obiektowo podczas praktycznych ćwiczeń. Dowiesz się, jakie problemy wiążą się z zastosowaniem podejścia proceduralnego i jak dzięki podejściu obiektowemu pis...
Python zorientowany obiektowo. Programowanie gier i graficznych interfejsów użytkownika Python zorientowany obiektowo. Programowanie gier i graficznych interfejsów użytkownika
(0,00 zł najniższa cena z 30 dni)53.40 zł
89.00 zł(-40%) -
To drugie, zaktualizowane i poprawione wydanie bestsellerowego podręcznika Programowania w Pythonie pozwoli Ci błyskawicznie zacząć tworzyć kod, który działa! Zaczniesz od zrozumienia podstawowych koncepcji programistycznych, następnie nauczysz się zapewniać programom interaktywność i wykształcis...(0,00 zł najniższa cena z 30 dni)
59.40 zł
99.00 zł(-40%) -
To kompleksowy podręcznik do nauki programowania w Pythonie. Jego piąte wydanie zostało gruntownie zaktualizowane i rozbudowane o dodatkowe treści. Omówiono tu najnowsze wersje Pythona w liniach 3.X i 2.X, czyli 3.3 i 2.7, i dodano opisy nowych lub rozszerzonych mechanizmów, takich jak obsługa fo...(0,00 zł najniższa cena z 30 dni)
119.40 zł
199.00 zł(-40%) -
Dzięki tej książce przekonasz się, jak wspaniałą przygodą jest programowanie i jak łatwo ją zacząć! Poznasz podstawy Pythona, dowiesz się, jak pisać i formatować kod, a także szybko nauczysz się uruchamiać swoje programy. Instrukcje sterujące, operatory, typy danych, funkcje, klasy i moduły nie b...
Python 3. Projekty dla początkujących i pasjonatów Python 3. Projekty dla początkujących i pasjonatów
(0,00 zł najniższa cena z 30 dni)35.94 zł
59.90 zł(-40%) -
Ta książka jest przystępnym wprowadzeniem do kryptografii i bibliotek kryptograficznych Pythona. Omówiono tu podstawowe koncepcje z tej dziedziny, najważniejsze algorytmy i niezbędny zakres podstaw matematycznych: liczby pierwsze, teorię grup czy generatory liczb pseudolosowych. Wyjaśniono, czym ...
Algorytmy kryptograficzne w Pythonie. Wprowadzenie Algorytmy kryptograficzne w Pythonie. Wprowadzenie
(0,00 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
Metody statystyczne są kluczowym elementem data science, mimo to niewielu specjalistów data science posiada formalne wykształcenie statystyczne. Kursy i podręczniki o podstawach statystyki, rzadko kiedy omawiają temat z perspektywy data science. W drugim wydaniu tego popularnego podręcznika zosta...
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II
(0,00 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
To kolejne wydanie lubianego samouczka, dzięki któremu w ramach 24 godzinnych lekcji przyswoisz solidne podstawy programowania. Zrozumiesz, jak działają programy, i nauczysz się reguł stosowanych przez profesjonalistów przy ich projektowaniu. Dowiesz się, jak wygląda świat programistów i na czym ...
Programowanie dla początkujących w 24 godziny. Wydanie IV Programowanie dla początkujących w 24 godziny. Wydanie IV
(0,00 zł najniższa cena z 30 dni)34.50 zł
69.00 zł(-50%) -
Ta książka jest zwięzłym, skupionym na praktyce przewodnikiem po Pythonie w wersji 3.6 i nowszych. Dzięki niej skoncentrujesz się na rdzeniu języka i podstawowych zagadnieniach, które musisz doskonale opanować, jeśli chcesz pisać w nim dobry kod. Dowiesz się zatem, jak działa Python i jakich zasa...(0,00 zł najniższa cena z 30 dni)
41.40 zł
69.00 zł(-40%) -
Wiernym czytelnikom publikacji spod znaku wydawnictwa Helion Piotra Wróblewskiego przedstawiać nie trzeba. Dość wspomnieć, że jest on autorem wielu publikacji poświęconych głównie programowaniu i obsłudze komputerów. Jego najnowsza książka, Algorytmy w Pythonie. Techniki programowania dla praktyk...
Algorytmy w Pythonie. Techniki programowania dla praktyków Algorytmy w Pythonie. Techniki programowania dla praktyków
(0,00 zł najniższa cena z 30 dni)71.40 zł
119.00 zł(-40%) -
Ta książka jest drugim wydaniem nietypowego podręcznika programowania w Pythonie. Dzięki niej nie zostaniesz mistrzem świata w kodowaniu, za to nauczysz się tworzyć programy, które oszczędzą Ci mnóstwo czasu i wysiłku. Nawet jeśli nigdy nie programowałeś, błyskawicznie opanujesz podstawy i zapozn...
Automatyzacja nudnych zadań z Pythonem. Nauka programowania. Wydanie II Automatyzacja nudnych zadań z Pythonem. Nauka programowania. Wydanie II
(0,00 zł najniższa cena z 30 dni)65.40 zł
109.00 zł(-40%)
Anthony So, William So, Zsolt Nagy - pozostałe książki
-
Get started with TensorFlow fundamentals to build and train deep learning models with real-world data, practical exercises, and challenging activities
-
Gain expert guidance on how to successfully develop machine learning models in Python and build your own unique data platforms
The Data Science Workshop - Second Edition The Data Science Workshop - Second Edition
Anthony So, Thomas V. Joseph, Robert Thas John, Andrew Worsley, Dr. Samuel Asare
-
Start with the basics of reinforcement learning and explore deep learning concepts such as deep Q-learning, deep recurrent Q-networks, and policy-based methods with this practical guide
The Reinforcement Learning Workshop The Reinforcement Learning Workshop
Alessandro Palmas, Emanuele Ghelfi, Dr. Alexandra Galina Petre, Mayur Kulkarni, Anand N.S.
-
Take a hands-on approach to understanding deep learning and build smart applications that can recognize images and interpret text
The Deep Learning Workshop The Deep Learning Workshop
Mirza Rahim Baig, Thomas V. Joseph, Nipun Sadvilkar, Mohan Kumar Silaparasetty, Anthony So
-
Cut through the noise and get real results with a step-by-step approach to data science
The Data Science Workshop The Data Science Workshop
Anthony So, Thomas V. Joseph, Robert Thas John, Andrew Worsley, Dr. Samuel Asare
-
Create AI applications in Python and lay the foundations for your career in data science Key Features Practical examples that explain key machine learning algorithms Explore neural networks in detail with interesting examples Master core AI concepts with engaging activities Book Description ...
Artificial Intelligence and Machine Learning Fundamentals Artificial Intelligence and Machine Learning Fundamentals
Ebooka przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook 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 posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video zobaczysz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP4 (pliki spakowane w ZIP)
Szczegóły książki
- Tytuł oryginału:
- The Applied Artificial Intelligence Workshop
- ISBN Ebooka:
- 978-18-002-0373-0, 9781800203730
- Data wydania ebooka:
-
2020-07-22
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@helion.pl.
- Język publikacji:
- angielski
- Rozmiar pliku Pdf:
- 10.6MB
- Rozmiar pliku ePub:
- 17.8MB
- Rozmiar pliku Mobi:
- 17.8MB
- Kategorie:
Gry » Programowanie gier
Programowanie » Python - Programowanie
Spis treści książki
- The Applied Artificial Intelligence Workshop
- Preface
- About the Book
- Audience
- About the Chapters
- Conventions
- Code Presentation
- Setting up Your Environment
- Installing Jupyter on Your System
- Launching the Jupyter Notebook
- Installing Libraries
- A Few Important Packages
- Accessing the Code Files
- About the Book
- 1. Introduction to Artificial Intelligence
- Introduction
- How Does AI Solve Problems?
- Diversity of Disciplines in AI
- Introduction
- Fields and Applications of AI
- Simulation of Human Behavior
- Simulating Intelligence the Turing Test
- What Disciplines Do We Need to Pass the Turing Test?
- AI Tools and Learning Models
- Intelligent Agents
- The Role of Python in AI
- Why Is Python Dominant in Machine Learning, Data Science, and AI?
- Anaconda in Python
- Python Libraries for AI
- A Brief Introduction to the NumPy Library
- Exercise 1.01: Matrix Operations Using NumPy
- Python for Game AI
- Intelligent Agents in Games
- Breadth First Search and Depth First Search
- Breadth First Search (BFS)
- Depth First Search (DFS)
- Exploring the State Space of a Game
- Estimating the Number of Possible States in a Tic-Tac-Toe Game
- Exercise 1.02: Creating an AI with Random Behavior for the Tic-Tac-Toe Game
- Activity 1.01: Generating All Possible Sequences of Steps in a Tic-Tac-Toe Game
- Exercise 1.03: Teaching the Agent to Win
- Defending the AI against Losses
- Activity 1.02: Teaching the Agent to Realize Situations When It Defends Against Losses
- Activity 1.03: Fixing the First and Second Moves of the AI to Make It Invincible
- Heuristics
- Uninformed and Informed Searches
- Creating Heuristics
- Admissible and Non-Admissible Heuristics
- Heuristic Evaluation
- Heuristic 1: Simple Evaluation of the Endgame
- Heuristic 2: Utility of a Move
- Exercise 1.04: Tic-Tac-Toe Static Evaluation with a Heuristic Function
- Using Heuristics for an Informed Search
- Types of Heuristics
- Pathfinding with the A* Algorithm
- Exercise 1.05: Finding the Shortest Path Using BFS
- Introducing the A* Algorithm
- A* Search in Practice Using the simpleai Library
- Game AI with the Minmax Algorithm and Alpha-Beta Pruning
- Search Algorithms for Turn-Based Multiplayer Games
- The Minmax Algorithm
- Optimizing the Minmax Algorithm with Alpha-Beta Pruning
- DRYing Up the Minmax Algorithm the NegaMax Algorithm
- Using the EasyAI Library
- Activity 1.04: Connect Four
- Summary
- 2. An Introduction to Regression
- Introduction
- Linear Regression with One Variable
- Types of Regression
- Features and Labels
- Feature Scaling
- Splitting Data into Training and Testing
- Fitting a Model on Data with scikit-learn
- Linear Regression Using NumPy Arrays
- Fitting a Model Using NumPy Polyfit
- Plotting the Results in Python
- Predicting Values with Linear Regression
- Exercise 2.01: Predicting the Student Capacity of an Elementary School
- Linear Regression with Multiple Variables
- Multiple Linear Regression
- The Process of Linear Regression
- Importing Data from Data Sources
- Loading Stock Prices with Yahoo Finance
- Exercise 2.02: Using Quandl to Load Stock Prices
- Preparing Data for Prediction
- Exercise 2.03: Preparing the Quandl Data for Prediction
- Performing and Validating Linear Regression
- Predicting the Future
- Polynomial and Support Vector Regression
- Polynomial Regression with One Variable
- Exercise 2.04: First-, Second-, and Third-Degree Polynomial Regression
- Polynomial Regression with Multiple Variables
- Support Vector Regression
- Support Vector Machines with a 3-Degree Polynomial Kernel
- Activity 2.01: Boston House Price Prediction with Polynomial Regression of Degrees 1, 2, and 3 on Multiple Variables
- Summary
- 3. An Introduction to Classification
- Introduction
- The Fundamentals of Classification
- Exercise 3.01: Predicting Risk of Credit Card Default (Loading the Dataset)
- Data Preprocessing
- Exercise 3.02: Applying Label Encoding to Transform Categorical Variables into Numerical Variables
- Identifying Features and Labels
- Splitting Data into Training and Testing Using Scikit-Learn
- The K-Nearest Neighbors Classifier
- Introducing the K-Nearest Neighbors Algorithm (KNN)
- Distance Metrics With K-Nearest Neighbors Classifier in Scikit-Learn
- The Euclidean Distance
- The Manhattan/Hamming Distance
- Exercise 3.03: Illustrating the K-Nearest Neighbors Classifier Algorithm in Matplotlib
- Parameterization of the K-Nearest Neighbors Classifier in scikit-learn
- Exercise 3.04: K-Nearest Neighbors Classification in scikit-learn
- Activity 3.01: Increasing the Accuracy of Credit Scoring
- Classification with Support Vector Machines
- What Are Support Vector Machine Classifiers?
- Understanding Support Vector Machines
- Support Vector Machines in scikit-learn
- Parameters of the scikit-learn SVM
- Activity 3.02: Support Vector Machine Optimization in scikit-learn
- Summary
- 4. An Introduction to Decision Trees
- Introduction
- Decision Trees
- Entropy
- Exercise 4.01: Calculating Entropy
- Information Gain
- Gini Impurity
- Exit Condition
- Building Decision Tree Classifiers Using scikit-learn
- Performance Metrics for Classifiers
- Exercise 4.02: Precision, Recall, and F1 Score Calculation
- Evaluating the Performance of Classifiers with scikit-learn
- The Confusion Matrix
- Activity 4.01: Car Data Classification
- Random Forest Classifier
- Random Forest Classification Using scikit-learn
- The Parameterization of the Random Forest Classifier
- Feature Importance
- Cross-Validation
- Extremely Randomized Trees
- Activity 4.02: Random Forest Classification for Your Car Rental Company
- Summary
- 5. Artificial Intelligence: Clustering
- Introduction
- Defining the Clustering Problem
- Clustering Approaches
- Clustering Algorithms Supported by scikit-learn
- The K-Means Algorithm
- Exercise 5.01: Implementing K-Means in scikit-learn
- The Parameterization of the K-Means Algorithm in scikit-learn
- Exercise 5.02: Retrieving the Center Points and the Labels
- K-Means Clustering of Sales Data
- Activity 5.01: Clustering Sales Data Using K-Means
- The Mean Shift Algorithm
- Exercise 5.03: Implementing the Mean Shift Algorithm
- The Mean Shift Algorithm in scikit-learn
- Hierarchical Clustering
- Agglomerative Hierarchical Clustering in scikit-learn
- Clustering Performance Evaluation
- The Adjusted Rand Index
- The Adjusted Mutual Information
- The V-Measure, Homogeneity, and Completeness
- The Fowlkes-Mallows Score
- The Contingency Matrix
- The Silhouette Coefficient
- The Calinski-Harabasz Index
- The Davies-Bouldin Index
- Activity 5.02: Clustering Red Wine Data Using the Mean Shift Algorithm and Agglomerative Hierarchical Clustering
- Summary
- 6. Neural Networks and Deep Learning
- Introduction
- Artificial Neurons
- Neurons in TensorFlow
- Exercise 6.01: Using Basic Operations and TensorFlow Constants
- Neural Network Architecture
- Weights
- Biases
- Use Cases for ANNs
- Activation Functions
- Sigmoid
- Tanh
- ReLU
- Softmax
- Exercise 6.02: Activation Functions
- Forward Propagation and the Loss Function
- Backpropagation
- Optimizers and the Learning Rate
- Exercise 6.03: Classifying Credit Approval
- Regularization
- Exercise 6.04: Predicting Boston House Prices with Regularization
- Activity 6.01: Finding the Best Accuracy Score for the Digits Dataset
- Deep Learning
- Shallow versus Deep Networks
- Computer Vision and Image Classification
- Convolutional Neural Networks (CNNs)
- Convolutional Operations
- Pooling Layer
- CNN Architecture
- Activity 6.02: Evaluating a Fashion Image Recognition Model Using CNNs
- Recurrent Neural Networks (RNNs)
- RNN Layers
- The GRU Layer
- The LSTM Layer
- Activity 6.03: Evaluating a Yahoo Stock Model with an RNN
- Hardware for Deep Learning
- Challenges and Future Trends
- Summary
- Appendix
- 1. Introduction to Artificial Intelligence
- Activity 1.01: Generating All Possible Sequences of Steps in a Tic-Tac-Toe Game
- Activity 1.02: Teaching the Agent to Realize Situations When It Defends Against Losses
- Activity 1.03: Fixing the First and Second Moves of the AI to Make It Invincible
- Activity 1.04: Connect Four
- 1. Introduction to Artificial Intelligence
- 2. An Introduction to Regression
- Activity 2.01: Boston House Price Prediction with Polynomial Regression of Degrees 1, 2, and 3 on Multiple Variables
- 3. An Introduction to Classification
- Activity 3.01: Increasing the Accuracy of Credit Scoring
- Activity 3.02: Support Vector Machine Optimization in scikit-learn
- 4. An Introduction to Decision Trees
- Activity 4.01: Car Data Classification
- Activity 4.02: Random Forest Classification for Your Car Rental Company
- 5. Artificial Intelligence: Clustering
- Activity 5.01: Clustering Sales Data Using K-Means
- Activity 5.02: Clustering Red Wine Data Using the Mean Shift Algorithm and Agglomerative Hierarchical Clustering
- 6. Neural Networks and Deep Learning
- Activity 6.01: Finding the Best Accuracy Score for the Digits Dataset
- Activity 6.02: Evaluating a Fashion Image Recognition Model Using CNNs
- Activity 6.03: Evaluating a Yahoo Stock Model with an RNN
Packt Publishing - inne książki
-
Solve classic computer science problems from fundamental algorithms, such as sorting and searching, to modern algorithms in machine learning and cryptography
40 Algorithms Every Programmer Should Know - Second Edition 40 Algorithms Every Programmer Should Know - Second Edition
-
Use modern Python libraries such as pandas, NumPy, and scikit-learn and popular machine learning and deep learning methods to solve financial modeling problems
-
Get up to speed with Oracle's Autonomous Databases and implementation strategies for any workload or use case, including transactional, data warehousing, and non-relational databases
Oracle Autonomous Database in Enterprise Architecture Oracle Autonomous Database in Enterprise Architecture
-
Design, build, and deploy performant and maintainable web applications using Spring, Spring Boot, and Angular
-
Build CD pipelines following GitOps principles like declarative and immutable changes stored in version control, all continuously reconciled by Argo CD, and minimize the failure of deployments.
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.


Oceny i opinie klientów: The Applied Artificial Intelligence Workshop Anthony So, William So, Zsolt Nagy (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.