sibhematology.ru

Постолит Анатолий Основы искусственного интеллекта в примерах на Python. Самоучитель

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения.Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров.

Постолит Анатолий Основы искусственного интеллекта в примерах на Python. Самоучитель

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения, и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Во 2-м издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки.Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров.

Постолит А. Основы искусственного интеллекта в примерах на Python. Самоучитель

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров. Для программистов.

Постолит А.В. Основы искусственного интеллекта в примерах на Python. Самоучитель

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения, и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Во 2-м издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки.Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров.

Постолит А. Основы искусственного интеллекта в примерах на Python. Самоучитель

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров. Для программистов.

Постолит А.В. Основы искусственного интеллекта в примерах на Python. Самоучитель

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения, и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Во 2-м издании обновлены программные коды и версии библиотек, улучшены рисунки, учтены пожелания читателей и исправлены ошибки.Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров.

Постолит Анатолий Владимирович Основы искусственного интеллекта в примерах на Python

Описаны инструментальные средства для разработки приложений искусственного интеллекта. Даны основы языка программирования Python. Раскрыты основные понятия и определения искусственного интеллекта. Рассмотрены вопросы программной реализации элементов нейронной сети и построения многослойных нейронных сетей. Большое внимание уделено применению специализированных библиотек PyBrain, Scikit-learn, Keras, TensorFlow для формирования структуры нейронных сетей и их обучения и библиотек ImageAI и OpenCV для обработки изображений. Материал иллюстрирован простыми и понятными примерами, демонстрирующими использование предварительно обученных нейронных сетей для распознавания объектов на изображениях, создания собственных наборов данных, формирования структуры сети, ее обучения и практического применения. Электронное приложение-архив, доступное на сайте издательства, содержит листинги описанных в книге примеров. Для программистов. Необходимые основы языка Python Элементы искусственного интеллекта Разработка приложений искусственного интеллекта Инструментальные средства и полезные библиотеки Программная реализация нейронных сетей Построение многослойных нейронных сетей Библиотеки PyBrain, Scikit-learn, Keras, TensorFlow, ImageAI, OpenCV Наглядные примеры нейронных сетей, их обучения и использования

Python для непрограммистов. Самоучитель в примерах

Python для непрограммистов. Самоучитель в примерах

Мишра Прадипта Объяснимые модели искусственного интеллекта на Python. Модель искусственного интеллекта

В этой книге рассматриваются так называемые модели «черного ящика» для повышения адаптивности, интерпретируемости и объяснимости решений, принимаемых алгоритмами искусственного интеллекта (ИИ), с использованием таких фреймворков, как библиотеки Python XAI, TensorFlow 2.0+, Keras, а также пользовательских фреймворков, использующих оболочки Python. Излагаются основы объяснимости и интерпретируемости моделей, обсуждаются методы и системы для интерпретации линейных, нелинейных моделей и моделей временных рядов, используемых в ИИ. Вы узнаете, как алгоритм ИИ принимает решение и как сделать модель ИИ интерпретируемой и объяснимой, ознакомитесь с моделями глубокого обучения.

Степашкина Анна Сергеевна Численные методы и машинное обучение в метрологии. Учебное пособие

Представлены технологии обработки экспериментальных результатов с применением языка программирования Python и методы машинного обучения для прогнозной аналитики в метрологии, рассмотрены конкретные примеры внедрения базовых алгоритмов и методов как на языке Python, так и с использованием аналитической платформы KNIME. Для студентов, обучающихся по техническим направлениям подготовки и специальностям, приступающих к изучению курсов "Метрология", "Машинное обучение и большие данные" и "Основы искусственного интеллекта в профессиональной деятельности".

Степашкина А.С. Численные методы и машинное обучение в метрологии: учебное пособие

Представлены технологии обработки экспериментальных результатов с применением языка программирования Python и методы машинного обучения для прогнозной аналитики в метрологии, рассмотрены конкретные примеры внедрения базовых алгоритмов и методов как на языке Python, так и с использованием аналитической платформы KNIME. Для студентов, обучающихся по техническим направлениям подготовки и специальностям, приступающих к изучению курсов «Метрология», «Машинное обучение и большие данные» и «Основы искусственного интеллекта в профессиональной деятельности».

Степашкина А.С. Численные методы и машинное обучение в метрологии: учебное пособие

Представлены технологии обработки экспериментальных результатов с применением языка программирования Python и методы машинного обучения для прогнозной аналитики в метрологии, рассмотрены конкретные примеры внедрения базовых алгоритмов и методов как на языке Python, так и с использованием аналитической платформы KNIME. Для студентов, обучающихся по техническим направлениям подготовки и специальностям, приступающих к изучению курсов «Метрология», «Машинное обучение и большие данные» и «Основы искусственного интеллекта в профессиональной деятельности».

Постолит Анатолий Python, Django и Bootstrap для начинающих

Книга посвящена вопросам разработки веб-приложений с использованием языка Python, фреймворков Django, Bootstrap и интерактивной среды разработки PyCharm. Рассмотрены основные технологии и рабочие инструменты создания веб-приложений. Описаны фреймворки Django, Bootsrtap и структура создаваемых веб-приложений. На простых примерах показана обработка и маршрутизация запросов пользователей, формирование ответных веб-страниц. Рассмотрено создание шаблонов веб-страниц и форм для пользователей. Показано взаимодействие пользователей с различными типами баз данных через модели. Описана работа с базами данных через встроенные в Django классы без использования SQL-запросов. Приведен пошаговый пример создания сайта от его проектирования, до формирования программных модулей и развертывания сайта в Интернете с базами данных SQLite и MySQL. Электронный архив на сайте издательства содержит коды всех примеров.Для программистов

Постолит Анатолий Владимирович Python, Django и PyCharm для начинающих

Книга посвящена вопросам разработки веб-приложений с использованием языка Python, фреймворка Django и интерактивной среды разработки PyCharm. Рассмотрены основные технологии и рабочие инструменты создания приложений, даны основы языка Python. Описаны фреймворк Django и структура создаваемых в нем веб-приложений. На простых примерах показаны обработка и маршрутизация запросов пользователей, формирование ответных веб-страниц. Рассмотрено создание шаблонов веб-страниц и форм для пользователей. Показано взаимодействие пользователей с различными типами баз данных через модели. Описана работа с базами данных через встроенные в Django классы без использования SQL-запросов. Приведен пошаговый пример создания сайта от формирования шаблона до его администрирования и развертывания в сети Интернет. Электронный архив на сайте издательства содержит коды всех примеров. Для программистов. Веб-технологии Инструментальные средства для разработки веб-приложений Интерактивная среда разработки PyCharm Знакомство с фреймворком Django Обработка и маршрутизация запросов Шаблоны веб-страниц Формы и модели данных Веб-сайт и веб-интерфейс для пользователей Встроенная панель для администрирования сайта Пользовательские формы Публикация сайта в сети Интернет

Галыгина Лилия Владимировна, Галыгина Ирина Владимировна Практические работы по информатике и основам искусственного интеллекта. Учебное посоибие для СПО

Пособие содержит практические работы с использованием информационно-коммуникационных, сетевых технологий и методов искусственного интеллекта для решения стандартных задач профессиональной деятельности на поиск, хранение, обработку и интеллектуальный анализ информации из различных источников и ее представление в требуемом формате, разноуровневые задания для самостоятельного выполнения, в частности, на языке программирования Python, позволяющие реализовать индивидуальную образовательную траекторию. Соответствует современным требованиям Федерального государственного образовательного стандарта среднего профессионального образования и профессиональным квалификационным требованиям. Пособие предназначено для обучающихся в колледжах по образовательным программам среднего профессионального образования для выполнения практических работ по дисциплине "Информатика и основы искусственного интеллекта".