Фото до статті
Анастасія Пономарьова
Журналістка Highload
Пропонуємо використати літні вечори з зиском — а саме, з цікавою книгою. У цій підбірці ви знайдете найсвіжіші видання технічної літератури, присвячені машинному навчанню та штучному інтелекту, архітектурі, автоматизації, а також останнім передовим практикам популярних мов програмування.
Causal Inference and Discovery in Python: Unlock the secrets of modern causal machine learning with DoWhy, EconML, PyTorch and more (Aleksander Molak)
Цей том буде цінним для інженерів машинного навчання, фахівців з обробки даних та дослідників у сфері ШІ, які прагнуть розширити свій інструментарій у галузі data science та заглибитися у причинно-наслідкове машинне навчання. Він також зацікавить розробників та спеціалістів з обробки даних.
Причинно-наслідкові методики ставлять унікальні виклики порівняно з класичними підходами машинного навчання та статистикою. За допомогою цього видання ви зможете:
- Осягнути основоположні концепції причинно-наслідкового висновку.
- Розкрити таємниці структурно-каузальних моделей.
- Зрозуміти ефективність 4-етапного процесу причинного висновку в Python.
- Дослідити найновіші методи моделювання підвищення.
А якщо ви ще не знайомі з Python, то цю мову програмування можна освоїти за допомогою посібника Пришвидшений курс Python | Маттес Ерік.
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, А застосування цих мереж охоплює сфери від обробки природної мови та комп’ютерного зору до пошуку нових ліків.
Посібник розпочинається з основ теорії графів та показує, як формувати набори даних графів з табличних даних. Поступово, розділ за розділом, ви вивчатимете ключові архітектури графових нейронних мереж та фундаментальні концепції, такі як згортка графів, прогнозування зв’язків та гетерогенні графи.
На завершення, у книзі представлені приклади застосувань для вирішення практичних завдань, що дозволить вам сформувати професійне портфоліо. Код доступний онлайн і може бути легко адаптований для інших наборів даних та програм.
Автори запевняють, що в результаті ви навчитеся реалізовувати графові нейронні мережі за допомогою Python та PyTorch Geometric, застосовувати їх для розв’язання реальних проблем, а також створювати та тренувати моделі нейронних мереж.
А якщо ви будете в настрої прочитати щось більш філософське, пропонуємо варіант — Штучний інтелект 2041: 10 передбачень для майбутнього | Кай-Фу Лі, Чень Цюфань.
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)
Цей вичерпний посібник призначений для тих, хто прагне розробляти масштабовані хмарні рішення та здійснювати цифрову трансформацію з використанням AWS. Він містить докладні інструкції зі створення хмарних рішень на базі AWS, надає детальну інформацію про архітектурні основи дизайну AWS та шаблони дизайну, створені в хмарі.
Крім того, ви ознайомитеся з мережевими конфігураціями в AWS, обробкою великих масивів даних та потокових даних, CloudOps та новаторськими технологіями, такими як машинне навчання, Інтернет речей (IoT) та блокчейн.
Найбільшу користь книга принесе архітекторам додатків, розробникам та інженерам з експлуатації, які прагнуть глибоко розібратися в архітектурних шаблонах AWS, найкращих практиках та передових методиках для побудови 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 базових скриптів PowerShell та створити потужні інструменти автоматизації, які значно зекономлять час вашої команди. Вона демонструє, 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 розкриває методи подолання непередбачених складнощів, які можуть перешкоджати створенню багаторазово використовуваних та надійних рішень для автоматизації. Автори обіцяють навчити читачів керувати своїм кодом, уникати типових помилок та створювати автоматизовані засоби, що адаптуються до різних сценаріїв використання.
Hands-on-Hacking: A Practical Guide to Web Application Attacks (Andrés Checa)
Завдяки деталізованим покроковим інструкціям та інтерактивним практичним завданням, книга надає практичний досвід з виявлення та експлуатації вразливостей у веб-додатках. Це дозволить підвищити їх безпеку (адже краще зламати власне ПЗ самому, ніж дозволити це зробити стороннім хакерам).
Матеріали, представлені у посібнику, будуть зрозумілі як досвідченим фахівцям, так і початківцям.
У цій книзі ви навчитеся усувати такі вразливості:
- Міжсайтовий скриптинг (XSS).
- Міжсайтова підробка запитів (CSRF).
- Небезпечні переадресації.
- Підробка серверних запитів (SSRF).
- SQL-ін’єкції (SQLi).
- Довільне 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)
Julia, спочатку розроблена для високопродуктивних обчислень, перетворилася на чудову мову програмування загального призначення. Вона пропонує такі зручні можливості, як автоматичне керування пам’яттю (збирання сміття), динамічна типізація та гнучкий підхід до паралельних і розподілених обчислень. Це ідеальне поєднання простоти, гнучкості та продуктивності.
У книзі розглядаються наступні аспекти:
- Типи даних, зокрема числа, рядки, масиви та словники.
- Інтерактивне середовище Julia (REPL — Read-Eval-Print Loop).
- Спрощення взаємодії коду через багаторазову диспетчеризацію.
- Обмін кодом за допомогою модулів та пакетів.
- Об’єктно-орієнтований та функціональний стилі програмування.
Якщо ви вже володієте Python, JavaScript або C#, сміливо беріться за вивчення Julia!
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 розуміння його принципів роботи та ефективне використання його трансформаційної сили може бути нетривіальним завданням.
У цій книзі розглядаються такі теми:
- Основи штучного інтелекту.
- Штучний інтелект та глибоке навчання.
- Обробка природної мови (NLP) у контексті ШІ.
- Генеративний ШІ та етичні аспекти.
- Підказки (prompts), креативний ШІ та майбутні застосування.
Таким чином, посібник надає міцну основу для подальшої роботи з технологіями ШІ.
Про протистояння біологічного мозку та штучного інтелекту читайте в книзі Як ми вчимося. Чому мозок навчається краще, ніж машина… Поки що | Станіслас Деан
Learning JavaScript Design Patterns: A JavaScript and React Developer’s Guide (Addy Osmani)
Друге видання цього посібника знайомить з найновішими передовими практиками JavaScript та навчає створювати елегантний, структурований та легкий у підтримці код шляхом застосування патернів проєктування до мови.
Що ви знайдете у посібнику:
- Архітектурні шаблони для структурування програмних компонентів та додатків.
- Понад 20 патернів проєктування в JavaScript і React, що підходять розробникам будь-якого рівня.
- Різноманітні категорії шаблонів, включно з генеративними, структурними та поведінковими.
- Ключові шаблони оптимізації продуктивності, такі як динамічне завантаження та розділення коду.
- Шаблони візуалізації, зокрема рендеринг на стороні сервера, гідратація, острівна архітектура тощо.
- 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 на завершення — ще трохи про генеративний штучний інтелект, найактуальнішу тему останніх місяців. Ця книга навчить інженерів машинного навчання та фахівців з обробки даних створювати вражаючі генеративні моделі глибокого навчання з нуля за допомогою Tensorflow і Keras. Це включає варіаційні автоенкодери (VAE), генеративні змагальні мережі (GAN), трансформери, нормалізуючі потоки, моделі на основі енергії та дифузійні моделі шумозаглушення.
Книга розпочинається з основ глибокого навчання, переходячи до передових архітектур. Вона містить безліч порад та підказок, які допоможуть фахівцям зробити їхні моделі більш ефективними у навчанні та креативними.
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