22 ноября 2017

Будет издана книга «Наука о данных: учебный курс», Стивен С. Скиена, бумага офсетная-белая, твердый переплет, полноцветное издание, ~500 стр., ISBN , «ДИАЛЕКТИКА», 2018 - выйдет летом 2018 года

Будет издана книга «Наука о данных: учебный курс», Стивен С. Скиена, бумага офсетная-белая, твердый переплет, полноцветное издание, ~500 стр., ISBN , «ДИАЛЕКТИКА», 2018

Этот увлекательный и ясный учебник содержит необходимое введение в быстро развивающуюся междисциплинарную область - наука о данных (Data Science)

В книге «Наука о данных: учебный курс» основное внимание уделяется принципам, позволяющим стать хорошим специалистом по анализу данных и овладеть ключевыми навыками, необходимыми для создания систем сбора, анализа и интерпретации данных

Книга «Наука о данных: учебный курс» является источником действительно важных практических идей и даёт интуитивное понимание того, как использовать эти идеи

В книге «Наука о данных: учебный курс» не отдается предпочтения какому-либо конкретному языку программирования или набору инструментов для анализа данных. Вместо этого основное внимание уделяется обсуждению важных принципов разработки на высоком уровне абстракции

Легко читаемый текст книги «Наука о данных: учебный курс» идеально подходит для студентов и аспирантов, которые изучают курс «Введение в анализ данных». Он показывает, какое место эта дисциплина (наука о данных) занимает на пересечении математической статистики, компьютерных наук (информатики) и машинного обучения (Machine Learning), имея свои особенности

Специалисты, работающие в этих и смежных областях найдут книгу «Наука о данных: учебный курс» идеально подходящей для самостоятельного изучения

Дополнительные инструменты обучения:

* «War Stories» — перспективы использования науки о данных в реальном мире
* «Homework Problems» — широкий спектр упражнений и проектов для самостоятельного изучения
* Полный набор лекционных слайдов и видеолекций на сайте www.data-manual.com
* «Take-Home Lessons» — уроки, подчеркивающие основные концепции каждой главы
* «Kaggle Challenges» — онлайн-платформа Kaggle
* «False Starts» — описание тонких причин, по которым некоторые методы терпят неудачу
* Примеры из телевизионного шоу «The Quant Shop» (www.quant-shop.com)

Оригинал книги: «The Data Science Design Manual», Steven S. Skiena, 446 pages, ISBN 9783319554433, July 2017

заказать-купить книгу Стивена С. Скиена «Наука о данных: учебный курс» в интернет-магазине DiaMail (Украина) (книгу можно заказать в DiaMail Украина)
(заказать-купить книгу «Наука о данных: учебный курс» в интернет-магазине diamail.com.ua)

(книга в производстве)

На русском языке книга выйдет летом 2018 года в издательстве «ДИАЛЕКТИКА»

Стивен С. Скиена 
Steven S. Skiena
Доктор Стивен С. Скиена (Steven S. Skiena) — заслуженный профессор информатики в университете Стоуни Брук

Его научные интересы относятся к области науки о данных, обработки естественного языка и алгоритмов

Он был награжден премией IEEE Computer Science and Engineering Undergraduate Teaching Award за выдающийся вклад в образование, прекрасные учебники и программное обеспечение

Доктор Стивен Скиена является автором шести книг, в том числе опубликованного издательством Springer учебника The Algorithm Design Manual and Programming Challenges: The Programming Contest Training Manual


книга Натана Марца и Джеймса Уоррена «Большие данные: принципы и практика построения масштабируемых систем обработки данных в реальном времени»
Большие данные

Натан Марц
Джеймс Уоррен
В продаже книга «Большие данные: принципы и практика построения масштабируемых систем обработки данных в реальном времени», Натан Марц, Джеймс Уоррен, бумага офсетная-белая, твердый переплет, 368 стр., ISBN 978-5-8459-2075-1, «ВИЛЬЯМС», 2016 - заказать-купить книгу «Большие данные» в онлайн-мегамаркете Ozon.ru

В книге «Большие данные: принципы и практика построения масштабируемых систем обработки данных в реальном времени» представлены теоретические основы организации систем больших данных и поясняется, каким образом они воплощаются на практике

В книге «Большие данные» рассматривается лямбда-архитектура, предназначенная для построения подобных систем, и на примере конкретного веб-приложения поясняются особенности реализации всех уровней этой архитектуры с помощью инструментальных средств вроде Hadoop, Cassandra и Storm

На основе реалистического примера в книге «Большие данные» изложена теория больших систем передачи и обработки данных, а также показаны практические способы их реализации, развертывания и управления

В крупномасштабных веб-приложениях, которые поддерживают работу социальных сетей, выполняют аналитику в реальном времени или поддерживают электронную торговлю, приходится обрабатывать большие массивы данных, объем и скорость обмена которыми превышают возможности информационных систем, основанных на традиционных базах данных. Для подобных приложений требуются архитектуры, в основе которых лежат кластеры машин для хранения и обработки данных любого объема и с любой скоростью. Правда, масштабируемость и простота не являются взаимоисключающими свойствами подобных архитектур

Книга «Большие данные: принципы и практика построения масштабируемых систем обработки данных в реальном времени» научит Вас создавать большие системы передачи и обработки данных, используя архитектуру, специально разработанную для сбора и анализа данных веб-масштаба. В книге описан масштабируемый, легкий для понимания подход Lambda Architecture, который может быть реализован малочисленной командой. В ней рассмотрена теория больших систем передачи и обработки данных и показано, как их реализовать на практике. Кроме общих принципов обработки больших данных, Вы изучите конкретные технологии, такие как Hadoop, Storm и базы данных NoSQL

СОДЕРЖАНИЕ КНИГИ «Большие данные: принципы и практика построения масштабируемых систем обработки данных в реальном времени»:

• Введение в системы больших данных
• Обработка данных веб-масштаба в реальном времени
• Инструменты Hadoop, Cassandra и Storm
• Расширение опыта использования традиционных баз данных

От читателей книги «Большие данные: принципы и практика построения масштабируемых систем обработки данных в реальном времени» не требуются знания методов анализа больших данных или владение инструментами NoSQL. Желательно знание основ традиционных баз данных (СУБД)

Книга «Большие данные» рассчитана на читателей, стремящихся освоить принципы построения систем больших данных и внедрить их на практике

Оригинал книги: «Big Data: Principles and best practices of scalable realtime data systems», Nathan Marz with James Warren, 328 pages, ISBN 9781617290343, April 2015

ЗДЕСЬ - читайте ПРЕДИСЛОВИЕ книги «Большие данные»
ЗДЕСЬ - читайте полное СОДЕРЖАНИЕ книги «Большие данные»
ЗДЕСЬ - читайте 5 Главу «Иллюстрация хранения данных на уровне пакетной обработки» из книги «Большие данные»

заказать-купить книгу Натана Марца и Джеймса Уоррена «Большие данные: принципы и эффективные методы разработки масштабируемых систем обработки данных в реальном времени» в интернет-магазине «Библио-Глобус» (книгу можно заказать-купить в Библио-Глобус)
(заказать-купить книгу «Большие данные» в интернет-магазине biblio-globus.ru)

заказать-купить книгу Натана Марца и Джеймса Уоррена «Большие данные: принципы и эффективные методы разработки масштабируемых систем обработки данных в реальном времени»» в интернет-магазине КОМБУК (самая низкая цена в России!) (книгу можно заказать в КОМБУКе - самая низкая цена в России!)
(заказать-купить книгу «Большие данные» в интернет-магазине ComBook.ru)

заказать-купить книгу Натана Марца и Джеймса Уоррена «Большие данные: принципы и эффективные методы разработки масштабируемых систем обработки данных в реальном времени» в онлайн-мегамаркете Ozon.ru(книгу можно заказать в Ozon.ru)
(заказать-купить книгу по «Большие данные» в онлайн-мегамаркете Ozon.ru)

заказать-купить книгу Натана Марца и Джеймса Уоррена «Большие данные: принципы и эффективные методы разработки масштабируемых систем обработки данных в реальном времени» в интернет-магазине DiaMail (Украина) (книгу можно заказать в DiaMail Украина)
(заказать-купить книгу «Большие данные» в интернет-магазине diamail.com.ua)

Книга обсуждается в отдельном сообщении моего блога
___________________________________________________
РЕКОМЕНДУЮ ОБРАТИТЬ ВНИМАНИЕ на НОВЫЕ КНИГИ
___________________________________________________

16 ноября 2017

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 - выйдет в феврале 2018 года

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 в производстве)

На русском языке книга выйдет в феврале 2018 года в издательстве «ДИАЛЕКТИКА» и будет издана ограниченным тиражом
______________________
ОБ АВТОРАХ
______________________
Джон Д. Келлехер — профессор компьютерных наук и научный руководитель Института исследований информации, коммуникации и культуры в Дублинском технологическом институте
Брайан Макнейми является преподавателем университетского колледжа в Дублине
Ифе д’Арси является генеральным директором The Analytics Store, консалтинговой и тренинговой компании по анализу данных


Будет издана книга «Наука о данных: учебный курс», Стивен С. Скиена, бумага офсетная-белая, твердый переплет, полноцветное издание, ~500 стр., ISBN , «ДИАЛЕКТИКА», 2018

Этот увлекательный и ясный учебник содержит необходимое введение в быстро развивающуюся междисциплинарную область - наука о данных (Data Science)

В книге «Наука о данных: учебный курс» основное внимание уделяется принципам, позволяющим стать хорошим специалистом по анализу данных и овладеть ключевыми навыками, необходимыми для создания систем сбора, анализа и интерпретации данных

Книга «Наука о данных: учебный курс» является источником действительно важных практических идей и даёт интуитивное понимание того, как использовать эти иде

В книге «Наука о данных: учебный курс» не отдается предпочтения какому-либо конкретному языку программирования или набору инструментов для анализа данных. Вместо этого основное внимание уделяется обсуждению важных принципов разработки на высоком уровне абстракции

Легко читаемый текст книги «Наука о данных: учебный курс» идеально подходит для студентов и аспирантов, которые изучают курс «Введение в анализ данных». Он показывает, какое место эта дисциплина (наука о данных) занимает на пересечении математической статистики, компьютерных наук (информатики) и машинного обучения (Machine Learning), имея свои особенности

Специалисты, работающие в этих и смежных областях найдут книгу «Наука о данных: учебный курс» идеально подходящей для самостоятельного изучения

Дополнительные инструменты обучения:

* «War Stories» — перспективы использования науки о данных в реальном мире
* «Homework Problems» — широкий спектр упражнений и проектов для самостоятельного изучения
* Полный набор лекционных слайдов и видеолекций на сайте www.data-manual.com
* «Take-Home Lessons» — уроки, подчеркивающие основные концепции каждой главы
* «Kaggle Challenges» — онлайн-платформа Kaggle
* «False Starts» — описание тонких причин, по которым некоторые методы терпят неудачу
* Примеры из телевизионного шоу «The Quant Shop» (www.quant-shop.com)

Оригинал книги: «The Data Science Design Manual», Steven S. Skiena, 446 pages, ISBN 9783319554433, July 2017

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 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 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

на фото Тревор Хасти (Trevor Hastie) соавтор книги «Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование» (2-е издание)
Тревор Хасти 
Trevor Hastie
Авторы книги «Основы статистического обучения» - Тревор Хасти, Роберт Тибширани и Джером Фридман работают профессорами статистики в Стэнфордском университете

Они являются выдающимися исследователями в этой области: Хасти и Тибширани разработали обобщенные аддитивные модели и написали популярную книгу на эту тему. Хасти — соавтор большой части программного обеспечения для статистического моделирования в среде R/S-PLUS и изобретатель алгоритма поиска главных кривых и поверхностей

Тибширани предложил метод LASSO и является соавтором очень успешной книги «Introduction to the Bootstrap» (Chapman and Hall/CRC,1994))

Фридман — соавтор многих инструментов для интеллектуального анализа данных, включая CART, MARS, а также методов поиска наилучшей проекции и градиентного бустинга

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
___________________________________________________
РЕКОМЕНДУЮ ОБРАТИТЬ ВНИМАНИЕ на КНИГИ
___________________________________________________

15 ноября 2017

Издана книга «Компьютерное зрение. Современный подход», Дэвид А. Форсайт, Джин Понс, бумага офсетная-белая, твердый переплет, 960 стр., ISBN 978-5-8459-0542-0, «ДИАЛЕКТИКА», 2018 - выйдет в ноябре 2017 года

книга Дэвида А. Форсайта и Джина Понса «Компьютерное зрение. Современный подход»
Компьютерное зрение. 
Современный подход

Дэвид А. Форсайт 
Джин Понс
Издана книга «Компьютерное зрение. Современный подход», Дэвид А. Форсайт, Джин Понс, бумага офсетная-белая, твердый переплет, 960 стр., ISBN 978-5-8459-0542-0, «ДИАЛЕКТИКА», 2018 - заказать-купить книгу по «Компьютерное зрение. Современный подход» в онлайн-мегамаркете Ozon.ru

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 Дэвида А. Форсайта и Джина Понса «Компьютерное зрение. Современный подход» в интернет-магазине КОМБУК (самая низкая цена в России!) (книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)
(заказать-купить книгу «Компьютерное зрение. Современный подход» в интернет-магазине ComBook.ru)

заказать-купить книгу Дэвида А. Форсайта и Джина Понса «Компьютерное зрение. Современный подход» в онлайн-мегамаркете Ozon.ru(книгу можно заказать-купить в Ozon.ru)
(заказать-купить книгу по «Компьютерное зрение. Современный подход» в онлайн-мегамаркете Ozon.ru)

заказать-купить книгу Дэвида А. Форсайта и Джина Понса «Компьютерное зрение. Современный подход» в интернет-магазине DiaMail (Украина) (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


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


Будет издана книга «Прикладное машинное обучение c библиотеками Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем», Орельен Жерон, (в переводе Юрия Артёменко), бумага офсетная-белая, твердый переплет, полноцветное издание, ~600 стр., ISBN , «ДИАЛЕКТИКА», 2018

Благодаря серии недавних достижений глубокое обучение усилило всю сферу машинного обучения. Теперь 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 практическом руководстве «Прикладное машинное обучение c библиотеками Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем» будет показано, как это делать

За счет применения конкретных примеров, минимальной теории и двух готовых производственных инфраструктур Pythonscikit-learn и TensorFlow – автор книги Орельен Жерон (Aurélien Géron) поможет Вам достичь интуитивного понимания концепций и инструментов для построения интеллектуальных систем (Intelligent Systems)

С помощью книги «Прикладное машинное обучение c библиотеками Scikit-Learn и TensorFlow» Вы изучите широкий спектр приемов, начиная с простой линейной регрессии и прогрессии и заканчивая глубокими нейронными сетями. Благодаря упражнениям в каждой главе, призванным помочь вам с применением того, что вы узнали, для начала работы вам понадобится лишь опыт программирования

- Исследуйте перспективы машинного обучения, особенно нейронных сетей
- Используйте Scikit-Learn для сквозного отслеживания примера проекта машинного обучения
- Исследуйте несколько моделей обучения, включая поддержку векторных машин, деревьев решений, случайных лесов и групповых методов
- Используйте библиотеку TensorFlow для построения и обучения нейронных сетей
- Исследуйте архитектуры нейронных сетей, в том числе сверточные сети, рекуррентные сети и глубинное обучение с подкреплением
- Исследуйте приемы обучения и масштабирования глубоких нейронных сетей
- Применяйте практические примеры кода не овладевая чрезмерной теорией машинного обучения или деталями алгоритмов

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

заказать-купить книгу Орельена Жерона «Прикладное машинное обучение c библиотеками Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем» в интернет-магазине DiaMail (Украина) (книгу можно заказать-купить в DiaMail Украина)
(заказать-купить книгу по «Прикладное машинное обучение на 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 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 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

на фото Тревор Хасти (Trevor Hastie) соавтор книги «Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование» (2-е издание)
Тревор Хасти 
Trevor Hastie
Авторы книги «Основы статистического обучения» - Тревор Хасти, Роберт Тибширани и Джером Фридман работают профессорами статистики в Стэнфордском университете

Они являются выдающимися исследователями в этой области: Хасти и Тибширани разработали обобщенные аддитивные модели и написали популярную книгу на эту тему. Хасти — соавтор большой части программного обеспечения для статистического моделирования в среде R/S-PLUS и изобретатель алгоритма поиска главных кривых и поверхностей

Тибширани предложил метод LASSO и является соавтором очень успешной книги «Introduction to the Bootstrap» (Chapman and Hall/CRC,1994))

Фридман — соавтор многих инструментов для интеллектуального анализа данных, включая CART, MARS, а также методов поиска наилучшей проекции и градиентного бустинга

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


книга Тарика Рашида «Создаем нейронную сеть»
Создаем
нейронную сеть


Тарик Рашид

полноцветное 
издание
Издан мировой бестселлер - книга «Создаем нейронную сеть», Тарик Рашид, полноцветное издание, мягкий переплет, 272 стр., ISBN 978-5-9909445-7-2, «ДИАЛЕКТИКА», 2017 - заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине Ozon.ru

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 Тарика Рашида «Создаем нейронную сеть» в интернет-магазине «Библио-Глобус» (книгу можно заказать-купить в Библио-Глобус)
(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине biblio-globus.ru)

заказать-купить книгу Тарика Рашида «Создаем нейронную сеть» в интернет-магазине КОМБУК (самая низкая цена в России!) (книгу можно заказать-купить в КОМБУКе - самая низкая цена в России)
(заказать-купить книгу «Создаем нейронную сеть» в интернет-магазине ComBook.ru)

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

заказать-купить книгу Тарика Рашида «Создаем нейронную сеть» в интернет-магазине DiaMail (Украина) (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
___________________________________________________
СЛЕДИТЕ ЗА ИЗМЕНЕНИЯМИ В ЭТОМ СООБЩЕНИИ -
последнее обновление - 16 ноября 2017 года
___________________________________________________
на фото Виктор Штонда (Viktor Shtonda) издатель
Виктор Штонда, издатель
Viktor Shtonda, publisher
ВОПРОС - какие еще книги этой тематики Вы можете предложить для оперативного издания на русском языке ?


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