![]() |
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

(заказать-купить книгу «Компьютерное зрение. Современный подход» в интернет-магазине biblio-globus.ru)

(заказать-купить книгу «Компьютерное зрение. Современный подход» в интернет-магазине ComBook.ru)

(заказать-купить книгу по «Компьютерное зрение. Современный подход» в онлайн-мегамаркете Ozon.ru)

(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
Будет издана книга «Основы машинного обучения для аналитического прогнозирования: алгоритмы, рабочие примеры и тематические исследования», Джон Д. Келлехер, Брайан Мак-Нейми и Ифе д’Арси, бумага офсетная-белая, твердый переплет, ~700 стр., ISBN , «ДИАЛЕКТИКА», 2018
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 (информатики), математики или статистики, а также как справочник для профессионалов
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
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»

(заказать-купить книгу «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» в интернет-магазине biblio-globus.ru)

(заказать-купить книгу «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» в интернет-магазине ComBook.ru)

(заказать-купить книгу «Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow» в онлайн-мегамаркете Ozon.ru)

(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
Будет издана книга «Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование», Тревор Хасти, Роберт Тибширани, Джером Фридман, 2-е издание, бумага офсетная-белая, твердый переплет, ~800 стр., ISBN , «ДИАЛЕКТИКА», 2018
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»

(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине biblio-globus.ru)

(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине ComBook.ru)

(заказать-купить книгу по «Создаем нейронную сеть» в онлайн-мегамаркете Ozon.ru)

(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине diamail.com.ua)
Книга обсуждается в отдельном сообщении моего блога
___________________________________________________
СЛЕДИТЕ ЗА ИЗМЕНЕНИЯМИ В ЭТОМ СООБЩЕНИИ -
последнее обновление - 8 апреля 2018 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