 |
| 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
 |
| 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
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 - 6 февраля 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