Книги по Machine Learning (ML)

MATLAB for Machine Learning: Unlock the power of deep learning for swift and enhanced results. 2 ed - Giuseppe Ciaburro (2024)

 Discover why the MATLAB programming environment is highly favored by researchers and math experts for machine learning with this guide which is designed to enhance your proficiency in both machine learning and deep learning using MATLAB, paving the way for advanced applications.

 By navigating the versatile machine learning tools in the MATLAB environment, you'll learn how to seamlessly interact with the workspace. You'll then move on to data cleansing, data …

Mastering Large Language Models with Python: Unleash the Power of Advanced Natural Language Processing for Enterprise Innovation and Efficiency Using Large Language Models (LLMs) with Python - Raj Arun R (2024)

 “Mastering Large Language Models with Python” is an indispensable resource that offers a comprehensive exploration of Large Language Models (LLMs), providing the essential knowledge to leverage these transformative AI models effectively. From unraveling the intricacies of LLM architecture to practical applications like code generation and AI-driven recommendation systems, readers will gain valuable insights into implementing LLMs in diverse projects.

 Covering both open-source and proprietary LLMs, the book …

Грокаем машинное обучение - Луис Серрано (2024)

 Машинное обучение — это набор методов анализа данных, основанных на алгоритмах, которые дают все более точные результаты по мере поступления новых данных. Машинное обучение лежит в основе систем рекомендаций, программ распознавания лиц, «умных» колонок и даже беспилотных автомобилей. Эта уникальная книга объясняет основные понятия машинного обучения на простых и доступных примерах, увлекательных упражнениях и запоминающихся иллюстрациях.

 Здесь нет зубодробительного академического жаргона, для понимания объяснений достаточно знаний основ …

Machine Learning Production Systems: Engineering Machine Learning Models and Pipelines - Di Zhu, Emily Caveness, Hannes Hapke, Robert Crowe (2025)

 Using machine learning for products, services, and critical business processes is quite different from using ML in an academic or research setting—especially for recent ML graduates and those moving from research to a commercial environment. Whether you currently work to create products and services that use ML, or would like to in the future, this practical book gives you a broad view of the entire field.

 Authors Robert Crowe, Hannes …

Data Labeling in Machine Learning with Python: Explore modern ways to prepare labeled data for training and fine-tuning ML and generative AI models - Vijaya Kumar Suda (2024)

 Data labeling is the invisible hand that guides the power of artificial intelligence and machine learning. In today's data-driven world, mastering data labeling is not just an advantage, it's a necessity. Data Labeling in Machine Learning with Python empowers you to unearth value from raw data, create intelligent systems, and influence the course of technological evolution.

 With this book, you'll discover the art of employing summary statistics, weak …

Python 3 and Machine Learning Using ChatGPT /GPT-4 - Oswald Campesato (2024)

 This book is designed to bridge the gap between theoretical knowledge and practical application in the fields of Python programming, machine learning, and the innovative use of ChatGPT-4 in data science. The book is structured to facilitate a deep understanding of several core topics. It begins with a detailed introduction to Pandas, a cornerstone Python library for data manipulation and analysis. Next, it explores a variety of machine learning classifiers …

Machine Learning with R: Learn techniques for building and improving machine learning models, from data preparation to model tuning, evaluation, and working with big data. 4 Ed - Brett Lantz (2023)

 Dive into R with this data science guide on machine learning (ML). Machine Learning with R, Fourth Edition, takes you through classification methods like nearest neighbor and Naive Bayes and regression modeling, from simple linear to logistic.

 Dive into practical deep learning with neural networks and support vector machines and unearth valuable insights from complex data sets with market basket analysis. Learn how to unlock hidden patterns within your data …

Машинное обучение для абсолютных новичков. Вводный курс, изложенный простым языком - Оливер Теобальд (2024)

 Практическое и подробное введение в машинное обучение.
 Простые и понятные объяснения и отсутствие необходимости опыта программирования делают эту книгу прекрасной альтернативой академическому учебнику. Здесь представлены основные алгоритмы машинного обучения (ML), которые сопровождаются наглядными примерами и практическими работами. Также вы узнаете про перекрестную проверку, ансамблевое моделирование, поиск по сетке для настройки моделей, проектирование функций, горячее кодирование и многое другое.
 Для разработки интеллектуальных машин в первую очередь надо понять …

Генеративное глубокое обучение. Как не мы рисуем картины, пишем романы и музыку. 2 изд - Дэвид Фостер (2024)

 Генеративный ИИ — одна из самых обсуждаемых тем в сфере технологий. Пора разобраться с возможностями TensorFlow и Keras, чтобы с легкостью создавать впечатляющие генеративные модели глубокого обучения, включая вариационные автокодировщики (VAE), генеративно-состязательные сети (GAN), трансформеры, нормализующие потоки, модели на основе энергии и диффузионные модели удаления шума.

 Дэвид Фостер, начинает с основ глубокого обучения и постепенно переходит к передовым архитектурам. Благодаря его советам и подсказкам вы узнаете, как …

Introduction to Python and Large Language Models: A Guide to Language Models - Dilyan Grigorov (2024)

 Gain a solid foundation for Natural Language Processing (NLP) and Large Language Models (LLMs), emphasizing their significance in today's computational world. This book is an introductory guide to NLP and LLMs with Python programming.

 The book starts with the basics of NLP and LLMs. It covers essential NLP concepts, such as text preprocessing, feature engineering, and sentiment analysis using Python. The book offers insights into Python programming, covering syntax, …

Нейросети на Python. Основы ИИ и машинного обучения - И. В. Куликова (2025)

 Эта книга является практическим комплексным гидом по изучению ИИ и применению нейросетей. В ней вы найдете информацию о различных типах нейросетей, их архитектуре, принципах работы и различных возможностях использования. Примеры использования библиотек NumPy, PyTorch, Matplotlib, SciPy, NetworkX, TensorFlow, OpenCV, Pandas, scikit-learn, nltk помогут вам лучше понять действия нейросети в реальных условиях. Математические основы машинного обучения, с многочисленными примерами уравнений и формул на языке программирования Python, помогут понять истоки появления …

Machine Learning Theory and Applications: Hands-on Use Cases with Python on Classical and Quantum Machines - Xavier Vasques (2024)

 Machine Learning Theory and Applications delves into the realm of machine learning and deep learning, exploring their practical applications by comprehending mathematical concepts and implementing them in real-world scenarios using Python and renowned open-source libraries. This comprehensive guide covers a wide range of topics, including data preparation, feature engineering techniques, commonly utilized machine learning algorithms like support vector machines and neural networks, as well as generative AI and foundation models. To …

Machine Learning Interviews: Kickstart Your Machine Learning and Data Career - Susan Shu Chang (2024)

 As tech products become more prevalent today, the demand for machine learning professionals continues to grow. But the responsibilities and skill sets required of ML professionals still vary drastically from company to company, making the interview process difficult to predict. In this guide, data science leader Susan Shu Chang shows you how to tackle the ML hiring process.

 Having served as principal data scientist in several companies, Chang has considerable …

Deep Reinforcement Learning with Python: RLHF for Chatbots and Large Language Models. 2 Ed - Nimish Sanghi (2024)

 Gain a theoretical understanding to the most popular libraries in deep reinforcement learning (deep RL).  This new edition focuses on the latest advances in deep RL using a learn-by-coding approach, allowing readers to assimilate and replicate the latest research in this field. 

 New agent environments ranging from games, and robotics to finance are explained to help you try different ways to apply reinforcement learning. A chapter on multi-agent reinforcement learning …

System Design. Машинное обучение. Подготовка к сложному интервью - Алекс Сюй, Али Аминиан (2024)

Собеседования по проектированию систем машинного обучения — самые сложные. Если нужно подготовиться к такому, книга создана специально для вас.
Также она поможет всем, кто интересуется проектированием систем МО, будь то новички или опытные инженеры.

Что внутри?

• О чем на самом деле спрашивают на собеседовании по System Design в МО и почему (инсайдерская информация!).
• 7 основных шагов для решения любой задачи МО, предлагаемой на собеседовании.
• 10 …
  Русский PDF