 |
| Компьютерное зрение. Современный подход Дэвид А. Форсайт Джин Понс |
Компьютерное зрение (CV, Computer Vision) — это одна из самых востребованных областей на данном этапе развития глобальных цифровых компьютерных технологий
Компьютерное зрение требуется на производстве, при управлении роботами, при автоматизации процессов, в медицинских и военных приложениях, при наблюдении со спутников и при работе с персональными компьютерами, в частности поиске цифровых изображений
Книга «Компьютерное зрение. Современный подход» ориентирована на широкий круг читателей, интересующихся данной областью, в первую очередь — на студентов и преподавателей технических вузов, занимающихся вычислительной геометрией, компьютерной графикой, обработкой изображений, работой с изображениями вообще и робототехникой
Книга «Компьютерное зрение. Современный подход» построена в форме сборника лекций (по возможности независимых), посвященных разнообразным вопросам, так что ее можно использовать как учебник по компьютерному зрению
Оригинал книги: «Computer Vision: A Modern Approach» by David A. Forsyth, Jean Ponce
(книгу можно заказать-купить в Библио-Глобус)(заказать-купить книгу «Компьютерное зрение. Современный подход» в интернет-магазине biblio-globus.ru)
(книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)(заказать-купить книгу «Компьютерное зрение. Современный подход» в интернет-магазине ComBook.ru)
(книгу можно заказать-купить в Ozon.ru)(заказать-купить книгу по «Компьютерное зрение. Современный подход» в онлайн-мегамаркете Ozon.ru)
(книгу можно заказать-купить в DiaMail Украина)(заказать-купить книгу по «Компьютерное зрение. Современный подход» в интернет-магазине diamail.com.ua)
На русском языке книга вышлат в ноябре 2017 года в издательстве «ДИАЛЕКТИКА» и издана ограниченным тиражом
_________________________________________________________________________________
СОДЕРЖАНИЕ книги «Компьютерное зрение. Современный подход»
_________________________________________________________________________________
Предисловие
Часть I Формирование изображений и модели изображений
1 КАМЕРЫ
2 ГЕОМЕТРИЧЕСКИЕ МОДЕЛИ КАМЕР
3 ГЕОМЕТРИЧЕСКАЯ КАЛИБРОВКА КАМЕР
4 РАДИОМЕТРИЯ - ИЗМЕРЕНИЕ СВЕТА
5 ИСТОЧНИКИ, ТЕНИ И ЗАТЕНЕНИЕ
6 СВЕТ
Часть II Первые этапы: одно изображение
7 ЛИНЕЙНЫЕ ФИЛЬТРЫ
8 ОПРЕДЕЛЕНИЕ КРАЕВ
9 ТЕКСТУРА
Часть III Первые этапы: несколько изображений
10 ГЕОМЕТРИЯ НЕСКОЛЬКИХ ПРОЕКЦИЙ
11 СТЕРЕОЗРЕНИЕ
12 ОПРЕДЕЛЕНИЕ АФФИННОЙ СТРУКТУРЫ ПО ДВИЖЕНИЮ
13 ОПРЕДЕЛЕНИЕ ПРОЕКТИВНОЙ СТРУКТУРЫ ПО ДВИЖЕНИЮ
Часть IV Компьютерное зрение: средний уровень
14 СЕГМЕНТАЦИЯ ЧЕРЕЗ КЛАСТЕРИЗАЦИЮ
15 СЕГМЕНТАЦИЯ ЧЕРЕЗ ПОДБОР МОДЕЛИ
16 СЕГМЕНТАЦИЯ И ПОДБОР С ИСПОЛЬЗОВАНИЕМ ВЕРОЯТНОСТНЫХ МЕТОДОВ
17 СОПРОВОЖДЕНИЕ С ИСПОЛЬЗОВАНИЕМ ЛИНЕЙНЫХ ДИНАМИЧЕСКИХ МОДЕЛЕЙ
Часть V Верхний уровень компьютерного зрения: геометрические методы
18 ЗРЕНИЕ НА ОСНОВЕ МОДЕЛИ
19 ГЛАДКИЕ ПОВЕРХНОСТИ И ИХ КОНТУРЫ
20 АСПЕКТНЫЕ ГРАФИКИ
21 ДАЛЬНОСТНЫЕ ДАННЫЕ
Часть VI Верхний уровень: вероятностные методы и методы логического вывода
22 ПОИСК ШАБЛОНОВ С ИСПОЛЬЗОВАНИЕМ КЛАССИФИКАТОРОВ
23 РАСПОЗНАВАНИЕ ЧЕРЕЗ СВЯЗЬ ШАБЛОНОВ
24 ГЕОМЕТРИЧЕСКИЕ ШАБЛОНЫ ЧЕРЕЗ ПРОСТРАНСТВЕННЫЕ СВЯЗИ
Часть VII Приложения
25 ПОИСК В ЦИФРОВЫХ БИБЛИОТЕКАХ
26 ВИЗУАЛИЗАЦИЯ НА ОСНОВЕ ИЗОБРАЖЕНИЙ
ЛИТЕРАТУРА
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ
Книга «Распознавание образов и машинное обучение» Кристофера. Бишопа - первая книга (уже ставшая классической!) по распознаванию образов, в основе которого лежит байесовский подход. Для понимания книги предварительные знания в области распознавания образов не требуются, но пригодится представление о многомерном анализе и основам линейной алгебры
Работы Кристофера Бишопа по теории статистического обучения широко известны исследователям в области распознавания образов и восстановления эмпирических закономерностей. Предлагаемая книга «Распознавание образов и машинное обучение» посвящена классическим и современным теориям и методам распознавания образов, находящим в настоящее время широкое применение во многих областях
Рассмотрены алгоритмы и приложения, в которые проникли новые модели, основанные на ядрах. Спектр рассматриваемых вопросов чрезвычайно широк, неоспоримым достоинством книги при этом являются доступность, последовательность и наглядность изложения. Для понимания и применения излагаемого материала достаточно знать лишь основы линейной алгебры и математического анализа и иметь некоторое представление о теории вероятностей. Описание вероятностных моделей сопровождается графическими моделями (что ранее не применялось ни в одной книге!)
Книга рассчитана на студентов старших курсов, аспирантов, инженеров и научных сотрудников, занятых в области теоретической и технической кибернетики, программистов. Она будет также интересна специалистам по теории вероятностей, математической статистике, биоинформатике и пр.
Автор книги «Распознавание образов и машинное обучение» Кристофер М. Бишоп, директор лаборатории Microsoft Research Cambridge, предоставляет в книге алгоритмы вывода, с помощью которых можно быстро найти ответы в ситуации, когда точные ответы невозможны
Оригинал книги: «Pattern Recognition and Machine Learning», Christopher M. Bishop, 738 pages, ISBN 9780387310732, 2006
(книгу можно заказать-купить в DiaMail Украина)(заказать-купить книгу «Распознавание образов и машинное обучение» в интернет-магазине diamail.com.ua)
Книга обсуждается в отдельном сообщении моего блога
 |
| Глубокое обучение и TensorFlow для профессионалов Сантану Паттанаяк |
Книга «Глубокое обучение и TensorFlow для профессионалов» представляет собой практическое и теоретическое руководство, содержащее множество бесценных советов и рекомендаций, которые помогут даже новичкам быстро освоить методы глубокого обучения и развертывания решений, построенных на их основе
В книге уделено внимание всем практическим аспектам глубокого обучения (Deep Learning), имеющим важное значение для любой области применения. Приведено и описано множество демонстрационных прототипов, которые вы сможете использовать для создания новых приложений на основе технологии глубокого обучения
Программный код всех примеров из книги «Глубокое обучение и TensorFlow для профессионалов» предоставляется в удобной форме блокнотов iPython, что упростит читателям его выполнение и адаптацию под конкретные задачи
Основные темы книги «Глубокое обучение и TensorFlow для профессионалов»:
— математические основы глубокого обучения;
— полный стек технологий глубокого обучения на основе TensorFlow;
— развертывание производственных вариантов сложных решений на основе глубокого обучения с использованием TensorFlow;
— проведение исследований в области глубокого обучения и выполнение экспериментов с помощью TensorFlow
Оригинал книги: «Pro Deep Learning with TensorFlow A Mathematical Approach to Advanced Artificial Intelligence in Python» by Santanu Pattanayak, 398 page, ISBN 9781484230954, December 2017
(книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)(заказать-купить книгу «Глубокое обучение и TensorFlow для профессионалов» в интернет-магазине ComBook.ru)
(книгу можно заказать-купить в DiaMail Украина)(заказать-купить книгу «Глубокое обучение и TensorFlow для профессионалов» в интернет-магазине diamail.com.ua)
Книга обсуждается в отдельном сообщении моего блога
 |
| Искусственный интеллект с примерами на Python Пратик Джоши |
Книга «Искусственный интеллект с примерами на Python» — отличное практическое руководство для тех, кто заинтересован в создании приложений на языке программирования Python на основе искусственного интеллекта
Книга содержит множество примеров, охватывающих очень широкий спектр разработок, ведущихся в этой области. Вы узнаете о том, как реализовать алгоритмы, обеспечивающие получение наилучших результатов в зависимости от специфики задачи, и увидите, как они применяются в реальных сценариях
Если ваши приложения связаны с обработкой изображений, текста, оперативной биржевой информации или данных в любой другой форме и Вы хотели бы расширить их возможности за счет использования элементов искусственного интеллекта, то эта книга несомненно станет вашим настольным руководством
Основные темы книги «Искусственный интеллект с примерами на Python»:
— реализация различных методов классификации и регрессии
— концепция кластеризации и ее использование для автоматического сегментирования данных
— создание интеллектуальных рекомендательных систем
— логическое программирование и способы его применения
— создание автоматизированных систем распознавания речи
— основы эвристического поиска и генетического программирования
— разработка игр с использованием искусственного интеллекта
— обучение с подкреплением
— создание интеллектуальных приложений на Python, ориентированных на обработку изображений, текста и последовательных данных
— алгоритмы глубокого обучения и создание приложений на их основе
Охват серьезных тем AI, с одной стороны, и простые коды с другой, делают книгу «Искусственный интеллект с примерами на Python» хорошим учебником для самообразования
Оригинал книги: «Artificial Intelligence with Python», Prateek Joshi, 446 pages, ISBN 9781786464392, 2017
ЗДЕСЬ - читайте ВВЕДЕНИЕ из книги «Искусственный интеллект с примерами на Python»
ЗДЕСЬ - читайте полное СОДЕРЖАНИЕ книги «Искусственный интеллект с примерами на Python»
ЗДЕСЬ - читайте 1 Главу «Введение в искусственный интеллект» из книги Пратика Джоши «Искусственный интеллект с примерами на Python»
(книгу можно заказать-купить в Библио-Глобус)(заказать-купить книгу «Искусственный интеллект с примерами на Python» в интернет-магазине biblio-globus.ru)
(книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)(заказать-купить книгу «Искусственный интеллект с примерами на Python» в интернет-магазине ComBook.ru)
(книгу можно заказать-купить в Ozon.ru)(заказать-купить книгу «Искусственный интеллект с примерами на Python» в онлайн-мегамаркете Ozon.ru)
(книгу можно заказать-купить в DiaMail Украина)(заказать-купить книгу «Искусственный интеллект с примерами на Python» в интернет-магазине diamail.com.ua)
Книга обсуждается в отдельном сообщении моего блога
 |
| Основы машинного обучения для аналитического прогнозирования Джон Д. Келлехер Брайан Мак-Нейми Ифе д’Арси |
Машинное обучение часто используется для построения прогностических моделей путем извлечения шаблонов из больших наборов данных. Эти модели используются в приложениях для предсказания, включая прогнозирование цен, оценку риска, прогнозирование поведения клиентов и классификацию документов
Книга «Основы машинного обучения для аналитического прогнозирования» - это вводный учебник, который предлагает подробное и целенаправленное рассмотрение наиболее важных подходов к машинному обучению, используемых в аналитическом прогнозировании, охватывающих как теоретические концепции, так и практические приложения
В книге формальный математический материал дополняется практическими примерами, а тематические исследования иллюстрируют применение этих моделей в более широком контексте бизнеса
После обсуждения перехода от данных к решению, в книге «Основы машинного обучения для аналитического прогнозирования» описывается четыре подхода к компьютерному обучению: информационное обучение, обучение на основе сходства, вероятностное обучение и обучение на основе ошибок
Каждый из этих подходов сначала описывается неформально, а затем приводятся математические модели и алгоритмы, иллюстрированные подробными практическими примерами. Наконец, в книге рассматриваются методы оценки моделей прогнозирования и предлагаются два тематических исследования, которые описывают конкретные проекты анализа данных на каждом этапе разработки, начиная от формулирования бизнес-задачи и заканчивая реализацией аналитического решения
Книга «Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования», написанная авторами, имеющими многолетний опыт преподавания методов машинного обучения и работы над проектами аналитического прогнозирования, предназначена для студентов и аспирантов, специализирующихся в области компьютерных наук, математики или статистики, а также как справочник для профессионалов
«Книга написана учеными, но тесно связана с практикой. Действительно, интеллектуальный анализ данных и машинное обучение идут рука об руку: грубо говоря, прогнозирование зависит от обучения на прошлых примерах. И хотя Основы — это всеобъемлющий университетский учебник, авторы также признают, что интеллектуальный анализ данных является самым быстро развивающимся коммерческим применением машинного обучения. Благодаря этому данный чрезвычайно познавательный опус позволяет осветить концепции в тесной связи с отраслевыми тематическими исследованиями и передовыми методами, гарантируя, что вы ознакомитесь с лучшими практиками и сценариями использования и не заблудитесь в абстракциях» (Эрик Сигель (Eric Siegel), доктор философии, основатель компании Predictive Analytics World; автор книги Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die)
Оригинал книги: «Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies» by John D. Kelleher, Brian Mac Namee and Aoife D'Arcy, 624 pages, ISBN 9780262029445, 2016. ЗДЕСЬ - отзывы покупателей книги на англ.языке в www.amazon.com
(книгу можно заказать-купить в Библио-Глобус)(заказать-купить книгу «Основы машинного обучения для аналитического прогнозирования» в интернет-магазине biblio-globus.ru)
(книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)(заказать-купить книгу «Основы машинного обучения для аналитического прогнозирования» в интернет-магазине ComBook.ru)
(книгу можно заказать-купить в Ozon.ru)(заказать-купить книгу «Основы машинного обучения для аналитического прогнозирования» в онлайн-мегамаркете Ozon.ru)
(книгу можно заказать-купить в DiaMail Украина)(заказать-купить книгу по «Основы машинного обучения для аналитического прогнозирования» в интернет-магазине diamail.com.ua)
Книга обсуждается в отдельном сообщении моего блога
 |
| Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow Орельен Жерон полноцветное издание |
Благодаря серии недавних достижений глубокое обучение значительно усилило всю область машинного обучения. В наше время даже программисты, почти ничего не знающие об этой технологии, могут использовать простые и эффективные инструменты для реализации программ, которые способны обучаться на основе данных. В настоящем практическом руководстве - книге «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем», показано, что и как делать
За счет применения конкретных примеров, минимума теории и двух фреймворков Python прикладного уровня – Scikit-Learn и TensorFlow – автор книги Орельен Жерон поможет получить интуитивное представление о концепциях и инструментах, предназначенных для построения современных интеллектуальных систем
Из книги Вы узнаете о ряде приемов, начав с простой линейной регрессии и постепенно добравшись до глубоких нейронных сетей. Учитывая наличие в каждой главе книги «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем» упражнений, помогающих закрепить то, чему вы научились, для начала работы нужен лишь опыт программирования:
• Исследуйте область машинного обучения, особенно нейронные сети
• Используйте Scikit-Learn для отслеживания проекта машинного обучения от начала до конца
• Исследуйте некоторые обучающие модели, включая методы опорных векторов, деревья принятия решений, случайные леса и ансамблевые методы
• Применяйте библиотеку TensorFlow для построения и обучения нейронных сетей
• Исследуйте архитектуры нейронных сетей, включая свёрточные сети, рекуррентные сети и глубокое обучение с подкреплением
• Освойте приемы для обучения и масштабирования глубоких нейронных сетей
• Используйте практические примеры кода, не овладевая чрезмерно теорией машинного обучения или деталями алгоритмов
Отдельная 16 Глава книги посвящена освещению темы Обучение с подкреплением (Reinforcement Learning — RL), которая на сегодняшний день является одной из наиболее захватывающих областей машинного обучения!
«Эта книга — замечательное введение в теорию и практику решения задач с помощью нейронных сетей. Она охватывает ключевые моменты, необходимые для построения эффективных приложений, а также обеспечивает достаточную основу для понимания результатов новых исследований по мере их появления. Я рекомендую эту книгу всем, кто заинтересован в освоении практического машинного обучения» — Пит Уорден, технический руководитель направления TensorFlow в Google
Оригинал книги: «Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems», Aurelien Geron, 566 pages, ISBN 9781491962299, March 2017
ЗДЕСЬ - читайте полное СОДЕРЖАНИЕ книги «Прикладное машинное обучение»
ЗДЕСЬ - читайте ВВЕДЕНИЕ из книги Орельена Жерона «Прикладное машинное обучение»
ЗДЕСЬ - читайте 5 Главу «Методы опорных векторов» из книги «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем»
(книгу можно заказать-купить в Библио-Глобус)(заказать-купить книгу «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» в интернет-магазине biblio-globus.ru)
(книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)(заказать-купить книгу «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» в интернет-магазине ComBook.ru)
(книгу можно заказать-купить в Ozon.ru)(заказать-купить книгу «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» в онлайн-мегамаркете Ozon.ru)
(книгу можно заказать-купить в DiaMail Украина)(заказать-купить книгу «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» в интернет-магазине diamail.com.ua)
Книга обсуждается в отдельном сообщении моего блога
В течение последнего десятилетия произошел стремительный рост вычислительных и информационных технологий. Благодаря этому в различных областях, таких как медицина, биология, финансы и маркетинг, появилась возможность обрабатывать огромные объемы данных. Необходимость понимания этих данных привела к разработке новых инструментов в области статистики и породила новые области, такие как интеллектуальный анализ данных, машинное обучение и биоинформатика. Многие из этих инструментов имеют общие основы, но часто выражаются с помощью разных терминов
В книге «Основы статистического обучения» описываются важные идеи, существующие в этих областях, на основе общего концептуального подхода. Хотя этот подход является статистическим, акцент делается на концепциях, а не на математике. Авторы приводят много примеров с широким использованием графических иллюстраций
В частности, в книге «Основы статистического обучения» рассматриваются основные понятия и методы статистического обучения: линейная регрессия, нелинейная регрессия, линейные методы классификации, регуляризация, ядерное сглаживание, оценивание и выбор моделей, аддитивные модели, деревья классификации, создание повторных выборок, нейронные сети, случайные леса и многое другое. Авторы приводят множество примеров и цветных иллюстраций применения этих методов на практике
Книга «Основы статистического обучения» представляет собой ценный источник знаний для статистиков и всех, кто интересуется обработкой данных в науке или промышленности. Диапазон тем, охваченных книгой, обширен: от обучения с учителем (прогнозирования) до обучения без учителя, включая нейронные сети, метод опорных векторов, деревья классификации и бустинг
Новое издание книги «Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование» (2-е издание) содержит множество тем, не охваченных в первом издании, включая графовые модели, случайные леса, ансамблевые методы, метод наименьших углов и LASSO, алгоритмы неотрицательной матричной факторизации и спектральной кластеризации. В книгу включена также глава о методах обработки “широких” данных, включая множественное тестирование и оценивание уровня ложноположительных результатов
Книга «Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование» представляет огромный интерес для специалистов, применяющих методы статистического обучения (машинного обучения), а также для студентов, изучающих компьютерные науки (информатику)
Оригинал книги: «The Elements of Statistical Learning: Data Mining, Inference, and Prediction» by Trevor Hastie, Robert Tibshirani, Jerome Friedman, 2ed Edition, 745 pages, ISBN 9780387848570, 2009
Книга обсуждается в отдельном сообщении моего блога
 |
| Создаем нейронную сеть Тарик Рашид полноцветное издание |
Книга «Создаем нейронную сеть» представляет собой введение в теорию и практику создания нейронных сетей. Тарик Рашид, автор этой книги, простым и понятным языком объясняет теоретические аспекты, знание которых необходимо для понимания принципов функционирования нейронных сетей и написания соответствующих программных инструкций
Изложение материала сопровождается подробным описанием процедуры поэтапного создания полностью функционального кода, который реализует нейронную сеть на языке языке программирования Python и способен выполняться даже на таком миниатюрном компьютере, как Raspberry Pi Zero
Основные темы книги «Создаем нейронную сеть»:
— нейронные сети и системы искусственного интеллекта;
— структура нейронных сетей;
— сглаживание сигналов, распространяющихся по нейронной сети, с помощью функции активации;
— тренировка и тестирование нейронных сетей;
— интерактивная оболочка для языка программирования Python - IPython;
— использование нейронных сетей в качестве классификаторов объектов;
— распознавание образов с помощью нейронных сетей
Книга «Создаем нейронную сеть» предназначена для тех, кто хочет узнать, что такое нейронные сети, где они применяются и как самому создать такую сеть, не имея опыта работы в данной области
Оригинал книги: «Make Your Own Neural Network», Tariq Rashid, 222 pages, ISBN 9781530826605, March 2016
ЗДЕСЬ - читайте ПРЕДИСЛОВИЕ из книги Тарика Рашида «Создаем нейронную сеть»
ЗДЕСЬ - читайте ВВЕДЕНИЕ из книги Тарика Рашида «Создаем нейронную сеть»
ЗДЕСЬ - читайте полное СОДЕРЖАНИЕ книги Тарика Рашида «Создаем нейронную сеть»
ЗДЕСЬ - читайте 3 Главу «Несколько интересных проектов» из книги Тарика Рашида «Создаем нейронную сеть»
(книгу можно заказать-купить в Библио-Глобус)(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине biblio-globus.ru)
(книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине ComBook.ru)
(книгу можно заказать-купить в Ozon.ru)(заказать-купить книгу по «Создаем нейронную сеть» в онлайн-мегамаркете Ozon.ru)
(книгу можно заказать-купить в DiaMail Украина)(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине diamail.com.ua)
Книга обсуждается в отдельном сообщении моего блога
 |
| Искусственный интеллект для чайников Джон Пол Мюллер Лука Массарон |
Книга «Искусственный интеллект для чайников» Джона Пола Мюллера и Лука Массарона поможет вам понять, что такое искусственный интеллект, как он должен работать и почему он терпел неудачи в прошлом
Вы также узнаете о причинах некоторых из проблем с искусственным интеллектом, а также о том, что сегодня их почти невозможно решить в некоторых случаях
В отличие от множества книг по этой теме, данная книга говорит вам правду о том, где и как искусственный интеллект не может работать, она развеет все мифы об искусственном интеллекте
Каждый вынесет из книги «Искусственный интеллект для чайников» то, что люди всегда будут важны. Фактически, искусственный интеллект делает людей еще более важными, причем такими способами, которые вы даже не могли бы вообразить
Оригинал книги: «Artificial Intelligence For Dummies», John Paul Mueller, Luca Massaron, 336 pages, ISBN 9781119467656, April 2018
(книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)(заказать-купить книгу «Искусственный интеллект для чайников» в интернет-магазине ComBook.ru)
(книгу можно заказать-купить в DiaMail Украина)(заказать-купить книгу «Искусственный интеллект для чайников» в интернет-магазине diamail.com.ua)
Книга обсуждается в отдельном сообщении моего блога
Книга «Компьютерные науки. Базовый курс» написана для студентов, выбравших компьютерные науки своей профессией, а также для студентов, специализирующихся в любых других дисциплинах. Широкий охват материала вместе с четким изложением делает его доступным для студентов с любым базовым уровнем, обеспечивая практическое и реалистичное понимание предмета
Назначение этой книги — предоставить студентам всестороннее представление о предмете компьютерных наук, охватывающее все его аспекты, от сугубо практических до полностью абстрактных. Такой всесторонний подход к изучению базовых понятий открывает перед студентам, изучающими компьютерные науки, всю необъятную широту того предмета, в котором они решили специализироваться, а студентам любых других дисциплин позволяет получить общее представление о тех возможностях, которые доступны в том современном технократическом обществе, в котором они живут
Оригинал книги: «Computer Science: An Overview», Glenn Brookshear, Dennis Brylow, 13th Edition, 736 pages, ISBN 9780134875460, March 2018
Книга обсуждается в отдельном сообщении моего блога
_________________________________________
СЛЕДИТЕ ЗА ИЗМЕНЕНИЯМИ В ЭТОМ СООБЩЕНИИ -
последнее обновление - 2 апреля 2019 года
_________________________________________
 |
| Виктор Штонда, издатель Viktor Shtonda, publisher |
P.S. Только Ваша активная позиция в столь непростое время будет способствовать появлению новых и нужных Вам книг. А также, способствовать повышению качества книг, издаваемых издательской группой «ДИАЛЕКТИКА-ВИЛЬЯМС»
_____________________________________________
Ваши комментарии перед публикацией я просматриваю. Поэтому, я оставляю за собой право публиковать или нет комментарии с подписью Анонимный
Это английское первое издание или второе?
ОтветитьУдалитьувы, первое... а что?
ОтветитьУдалитьПервое просто в наличии уже лет 5, думал может до второго уже очередь дошла.
Удалить