Фото до статті
Анастасія Пономарьова
Журналістка Highload
Пропонуємо насичено провести літні вечори — а саме, з чудовою книгою. У цій добірці ви відшукаєте актуальні новинки фахової літератури, присвячені машинному навчанню та штучному інтелекту, архітектурним рішенням, автоматизації процесів, а також найсвіжішим передовим практикам у популярних мовах програмування.
Causal Inference and Discovery in Python: Unlock the secrets of modern causal machine learning with DoWhy, EconML, PyTorch and more (Aleksander Molak)
Це видання стане в пригоді інженерам машинного навчання, фахівцям з аналізу даних та дослідникам у сфері ШІ, які прагнуть розширити свій арсенал інструментів data science та заглибитися в причинно-наслідкове машинне навчання. Воно також зацікавить розробників та експертів з обробки даних.
Причинно-наслідкові методи ставлять унікальні виклики порівняно з традиційними підходами в машинному навчанні та статистиці. За допомогою цієї книги ви зможете:
- Опанувати ключові концепції причинно-наслідкового висновку.
- Розкрити тонкощі структурно-каузальних моделей.
- Використати потенціал 4-етапного процесу причинного висновку в Python.
- Вивчити сучасні техніки моделювання ефектів.
А якщо ви ще не знайомі з Python, цю мову програмування можна освоїти за допомогою посібника “Прискорений курс Python” від Еріка Маттеса.
Hands-On Graph Neural Networks Using Python: Practical techniques and architectures for building powerful graph and deep learning apps with PyTorch (Maxime Labonne)
Не відходячи далеко від теми машинного навчання, Сфери застосування таких мереж варіюються від обробки природної мови та комп’ютерного зору до розробки нових лікарських засобів.
Посібник починається з основ теорії графів і демонструє, як формувати набори даних для графів з табличних даних. Поступово, від розділу до розділу, ви опановуватимете ключові архітектури графових нейронних мереж та фундаментальні концепції, такі як згортка графів, прогнозування зв’язків та гетерогенні графи.
Насамкінець, у книзі представлені приклади застосування для вирішення реальних проблем, що дозволить вам створити професійне портфоліо. Код доступний онлайн і може бути легко адаптований для інших наборів даних та завдань.
Автори запевняють, що в результаті ви навчитеся реалізовувати графові нейронні мережі за допомогою Python та PyTorch Geometric, застосовувати їх для розв’язання практичних задач, а також створювати та тренувати моделі нейронних мереж.
А якщо з’явиться настрій почитати щось більш філософське, пропонуємо варіант — “Штучний інтелект 2041: 10 передбачень для майбутнього” від Кай-Фу Лі та Чень Цюфаня.
AWS for Solutions Architects: The definitive guide to AWS Solutions Architecture for migrating to, building, scaling, and succeeding in the cloud, 2nd Edition (Saurabh Shrivastava, Neelanjali Srivastav, Alberto Artasanchez, Imtiaz Sayed)
Це чудовий посібник для тих, хто прагне розробляти масштабовані хмарні рішення та здійснювати цифрову трансформацію з використанням AWS. Він містить детальні рекомендації щодо створення хмарних рішень за допомогою AWS, надає вичерпну інформацію про архітектурні принципи дизайну AWS та шаблони проектування, розроблені для хмарного середовища.
Крім того, ви ознайомитеся з мережевими конфігураціями в AWS, обробкою великих обсягів даних та потокових даних, CloudOps, а також новітніми технологіями, такими як машинне навчання, Інтернет речей (IoT) та блокчейн.
Найбільшу цінність книга матиме для архітекторів додатків, розробників та інженерів з експлуатації, які бажають глибоко розібратися в архітектурних шаблонах AWS, передових практиках та найсучасніших техніках для створення масштабованих, захищених, високодоступних, стійких до збоїв та економічно ефективних рішень у хмарі.
Practical Automation with PowerShell: Effective scripting from the console to the cloud (Matthew Dowst)
Ця книга допоможе вам вийти за межі базового використання PowerShell та створювати потужні засоби автоматизації, які суттєво зекономлять час вашої команди. Вона показує, як розробляти, писати, організовувати та розгортати скрипти для автоматизації операцій у системах будь-якого масштабу — від локальних серверів до корпоративних кластерів у хмарі.
Посібник виходить за рамки основ і навчає, як долати несподівані складнощі, що можуть перешкодити автоматизації стати багаторазово використовуваною та стійкою. Автори обіцяють навчити читачів ефективно керувати своїм кодом, уникати типових помилок та створювати автоматизовані інструменти, що адаптуються до різноманітних сценаріїв використання.
Hands-on-Hacking: A Practical Guide to Web Application Attacks (Andrés Checa)
Завдяки деталізованим покроковим настановам та інтерактивним практичним завданням, ця книга надає практичний досвід виявлення та експлуатації вразливостей у вебдодатках. Це дозволить значно підвищити їхню безпеку, адже краще ви самі знайдете слабкі місця свого програмного забезпечення, ніж це зробить сторонній зловмисник.
Матеріали, представлені в посібнику, будуть зрозумілі як досвідченим фахівцям, так і початківцям.
У цій книзі ви навчитеся усувати такі вразливості:
- Міжсайтовий скриптинг (XSS).
- Міжсайтова підробка запитів (CSRF).
- Відкриті перенаправлення.
- Підробка запитів на стороні сервера (SSRF).
- SQL-ін’єкції (SQLi).
- Несанкціоноване завантаження файлів.
- Включення файлів (LFI & RFI).
- Небезпечна десеріалізація.
- Віддалене виконання команд (RCE).
Julia as a Second Language: General purpose programming with a taste of data science (Erik Engheim)
Спочатку розроблена для високопродуктивної обробки даних, Julia перетворилася на видатну мову програмування загального призначення. Вона пропонує зручні можливості, такі як автоматичне керування пам’яттю (збирання сміття), динамічну типізацію та гнучкий підхід до паралельних і розподілених обчислень. Це ідеальне поєднання простоти, гнучкості та продуктивності.
У книзі розглядаються такі аспекти:
- Типи даних, зокрема числа, рядки, масиви та словники.
- Інтерактивне середовище Julia REPL (Read-Eval-Print Loop).
- Спрощення взаємодії коду завдяки багатодиспетчеризації.
- Обмін кодом за допомогою модулів і пакетів.
- Об’єктно-орієнтований та функціональний стилі програмування.
Якщо ви вже знайомі з Python, JavaScript або C#, сміливо вивчайте Julia та застосовуйте здобуті знання на практиці!
The Artificial Intelligence and Generative AI Bible: [5 in 1] The Most Updated and Complete Guide | From Understanding the Basics to Delving into GANs, NLP, Prompts, Deep Learning, and Ethics of AI (Alger Fraley)
Потенціал штучного інтелекту (ШІ) величезний, проте осмислення принципів його роботи та ефективне використання його трансформаційної сили може бути складним завданням.
У книзі розглядаються наступні теми:
- Основи штучного інтелекту.
- Штучний інтелект та глибоке навчання.
- Обробка природної мови (NLP) у контексті ШІ.
- Генеративний ШІ та етичні аспекти.
- Інструкції (промпти), креативний ШІ та майбутні застосування.
Таким чином, цей посібник надає міцну основу для подальшої роботи з технологіями ШІ.
Щодо протистояння біологічного мозку та штучного інтелекту, прочитайте книгу “Як ми вчимося. Чому мозок навчається краще, ніж машина… Поки що” Станісласа Деана.
Learning JavaScript Design Patterns: A JavaScript and React Developer’s Guide (Addy Osmani)
Друге видання посібника, яке охоплює найактуальніші найкращі практики JS та навчає створювати елегантний, структурований і легкий у підтримці код, застосовуючи патерни проектування до мови.
Що містить посібник:
- Архітектурні патерни для структурування компонентів та додатків.
- Понад 20 шаблонів проектування в JavaScript та React, які підходять для розробників будь-якого рівня.
- Різні категорії шаблонів, включаючи креативні, структурні та поведінкові.
- Ключові шаблони оптимізації продуктивності, такі як динамічний імпорт та розділення коду.
- Шаблони візуалізації, зокрема рендеринг на стороні сервера, гідратація, острівна архітектура та інші.
- Сучасний синтаксис JavaScript, включаючи модулі JavaScript, шаблони React, хуки, компоненти вищого порядку (HOC).
Generative Deep Learning: Teaching Machines To Paint, Write, Compose, and Play (David Foster)
І наостанок, ще трохи про генеративний штучний інтелект — найактуальнішу тему останніх місяців. Ця книга навчить інженерів машинного навчання та data scientists створювати вражаючі генеративні моделі глибокого навчання з нуля, використовуючи Tensorflow та Keras. Серед них — варіаційні автокодери (VAE), генеративні змагальні мережі (GAN), трансформери, нормалізуючі потоки, моделі на основі енергії та дифузійні моделі з приглушенням шуму.
Книга розпочинається з основ глибокого навчання, поступово переходячи до передових архітектур. Вона містить безліч порад та підказок, які допоможуть фахівцям зробити так, щоб їхні моделі навчалися ефективніше та ставали креативнішими.
Стаття з партнерськими посиланнямиЦей матеріал містить посилання на партнерів — це не впливає на контент та політику редакції, проте дає виданню можливості для розвитку. Головна > Добірки > Книжні новинки-2023: що почитати розробнику