Книжные новинки-2023: что почитать разработчику

Предлагаем провести летние вечера с пользой, а именно хорошей книгой. В подборке вы найдете горяченькие новинки технической литературы о машинном обучении и искусственном интеллекте, архитектуре, автоматизации, последние лучшие практики популярных языков программирования.

Causal Inference and Discovery in Python: Unlock the secrets of modern causal machine learning with DoWhy, EconML, PyTorch and more (Aleksander Molak)

Эта книга будет полезна инженерам машинного обучения, ученым по обработке данных и исследователям машинного обучения, которые стремятся расширить свой инструментарий data science и исследовать причинное машинное обучение. Также она будет интересна разработчикам и специалистам по обработке данных.

С помощью книги можно:

• Овладеть фундаментальным понятием причинно-следственного вывода.
• Расшифровать секреты структурно-каузальных моделей.
• Раскрыть силу 4-этапного процесса причинного вывода в Python.
• Исследовать передовые методы моделирования повышения.

А если не знаете Python, то этот язык программирования можно изучить с пособием Ускоренный курс Python | Маттес Эрик. 

Hands-On Graph Neural Networks Using Python: Practical techniques and architectures for building powerful graph and deep learning apps with PyTorch (Maxime Labonne)

Не отходя далеко от темы машинного обучения, посоветуем еще одно интересное издание с высоким рейтингом – особенно для практиков машинного обучения и data scientists, интересующихся графовыми нейронными сетями и их применением. А оно варьируется от обработки естественного языка и компьютерного видения до открытия лекарства.

Пособие начинается с основ теории графов и показывает, как создавать наборы данных графов из табличных данных. По мере продвижения от раздела к разделу вы изучаете основные архитектуры графовых нейронных сетей и основные понятия, такие как свертка графов, прогнозирование связей и гетерогенные графы.

Наконец, в книге предлагаются приложения для решения реальных проблем, что позволяет создать профессиональное портфолио. Код доступен в интернете, и его можно легко адаптировать к другим наборам данных и приложениям.

Авторы уверяют, что в результате вы научитесь реализовывать нейронные сети графов с помощью Python и PyTorch Geometric и применять их для решения реальных проблем, а также создавать и обучать модели нейронных сетей.

А если будет настроение почитать нечто более философское, вот хороший вариант — Искусственный интеллект 2041: 10 предсказаний для будущего Кай-Фу Ли, Чэнь Тюфань.

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)

Крутое руководство для тех, кто хочет создавать масштабируемые облачные решения и осуществлять цифровую трансформацию с помощью AWS. Оно содержит углубленные указания по созданию облачных решений с помощью AWS, предоставляет подробную информацию об архитектурных основах дизайна AWS и шаблонах дизайна, созданных в облаке.

Кроме того, вы узнаете о сетевых связях в AWS, обработке больших и потоковых данных, CloudOps и новых технологиях, такие как машинное обучение, IoT и блокчейн.

Наиболее полезной будет книга для архитекторов приложений, разработчиков и инженеров-операторов, которые хотят хорошо разобраться в архитектурных шаблонах AWS, лучших практиках и передовых техниках для создания масштабированных, безопасных, высокодоступных, высокотолерантных и экономически эффективных решений в облаке.

Потенциал искусственного интеллекта (ИИ) безграничен, однако понимание принципов работы искусственного интеллекта и использование его трансформационной силы может быть сложной задачей.

В книге разбирают следующие темы:

• Основы ИИ.
• ШИ и глубокая учеба.
• Обработка природного языка (NLP) в ИИ.
• Генеративный ИИ и этика.
• Подсказки, творческий искусственный интеллект и будущие программы.

То есть руководство дает базу для дальнейшей работы с технологией ИИ.

О противостоянии биологического мозга и искусственного интеллекта читайте в книге Как мы учимся. Почему мозг учится лучше, чем машина… Пока | Станислас Деан

Learning JavaScript Design Patterns: A JavaScript and React Developer’s Guide (Addy Osmani)

Второе издание пособия, где рассказывается о последних лучших практиках JS и учат писать красивый, структурированный и удобный для поддержки код, применяя к языку паттерны проектирование.

Что есть в руководстве:

• Архитектурные шаблоны для структурирования компонент и программ.
• Более 20 шаблонов проектирования в JavaScript и React пригодны для разработчиков любого уровня.
• Различные категории шаблонов, включая творческие, структурные и поведенческие.
• Основные шаблоны производительности, включая динамический импорт и разделение кода.
• Шаблоны визуализации, такие как рендеринг на стороне сервера, гидратация, архитектура островов и т.д.
• Современный синтаксис JavaScript, таких как модули JavaScript, шаблоны React, хуки, компоненты высшего порядка (HOC).

Generative Deep Learning: Teaching Machines To Paint, Write, Compose, and Play (David Foster)

И на десерт еще немного о генеративном искусственном интеллекте — самой горячей теме последних месяцев. Эта книга научит инженеров машинного обучения и data scientasts, как создавать впечатляющие генеративные модели глубокого обучения с нуля с помощью Tensorflow и Keras, включая вариационные автокодеры (VAE), генеративные сопернические сети (GAN), трансформаторы, нормализующие потоки, модели на основе энергии и модели. шумопоглощение диффузии.

Книга начинается с основ глубокого обучения и переходит к передовым архитектурам, имеет множество советов и подсказок, благодаря которым специалисты смогут сделать так, чтобы их модели учились эффективнее и становились более креативными.