Книжні новинки-2023: що почитати розробнику

Пропонуємо провести літні вечори з користю — а саме гарною книжкою. У добірці ви знайдете гаряченькі новинки технічної літератури про машинне навчання та штучний інтелект, архітектуру, автоматизацію, останні кращі практики 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)

Ця книга буде корисною для інженерів машинного навчання, науковців із обробки даних і дослідників машинного навчання, які прагнуть розширити свій інструментарій data science та дослідити причинне машинне навчання. Також вона буде цікавою розробникам та спеціалістам із обробки даних.

Причинно-наслідкові методи представляють унікальні проблеми, порівняно з традиційним машинним навчанням і статистикою. За допомогою книги можна:

• Опанувати фундаментальні поняття причинно-наслідкового висновку.
• Розшифрувати таємниці структурно-каузальних моделей.
• Розкрити силу 4-етапного процесу причинного висновку в Python.
• Дослідити передові методи моделювання підвищення.

А як ще не знаєте Python, то цю мову програмування можна вивчити з посібником 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, порадимо ще одну цікавинку з високим рейтингом – особливо для практиків машинного навчання та data scientists, які цікавляться графовими нейронними мережами та їх застосуванням. А воно варіюється від обробки природної мови та комп’ютерного бачення до відкриття ліків.

Посібник починається з основ теорії графів і показує, як створювати набори даних графів із табличних даних. В міру просування від розділу до розділу ви вивчатимете основні архітектури графових нейронних мереж і основні поняття, такі як згортка графів, прогнозування зв’язків та гетерогенні графи.

Нарешті, у книзі пропонуються застосунки для вирішення реальних проблем, що дає змогу створити професійне портфоліо. Код доступний в Інтернеті, і його можна легко адаптувати до інших наборів даних і програм.

Автори запевняють, що в результаті ви навчитеся реалізовувати нейронні мережі графів за допомогою Python і PyTorch Geometric і застосовувати їх для вирішення реальних проблем, а також створювати та навчати моделі нейронних мереж.

А якщо буде настрій почитати щось більш філософське, ось гарний 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)

Крутий посібник для тих, хто хоче створювати масштабовані хмарні рішення та здійснювати цифрову трансформацію за допомогою AWS. Воно містить поглиблені вказівки щодо створення хмарних рішень за допомогою AWS, надає детальну інформацію про архітектурні основи дизайну AWS і шаблони дизайну, створені в хмарі.

Крім того, ви дізнаєтеся про мережеві зв’язки в AWS, обробку великих і потокових даних, CloudOps і нові технології, такі як машинне навчання, IoT і блокчейн.

Найбільш корисною книга буде для архітекторів застосунків, розробників і інженерів-операторів, які хочуть добре розібратися в архітектурних шаблонах AWS, найкращих практиках і передових техніках для створення масштабованих, безпечних, високодоступних, високотолерантних і економічно ефективних рішень у хмарі.

Потенціал штучного інтелекту (ШІ) безмежний, однак розуміння принципів роботи штучного інтелекту та використання його трансформаційної сили може бути складним завданням.

У книзі розбирають наступні теми:

• Основи ШІ.
• ШІ та глибоке навчання.
• Обробка природної мови (NLP) у ШІ.
• Генеративний ШІ та етика.
• Підказки, творчий штучний інтелект і майбутні програми.

Тобто посібник дає базу для подальшої роботи з технологією 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 посібника, де розповідається про останні кращі практики JS і вчать писати красивий, структурований і зручний для підтримки код, застосовуючи до мови патерни проєктування.

Що є у посібнику:

• Архітектурні шаблони для структурування компонентів і програм.
• Більше 20 шаблонів проєктування в JavaScript і React, придатних для розробників будь-якого рівня.
• Різні категорії шаблонів, включаючи творчі, структурні та поведінкові.
• Основні шаблони продуктивності, включаючи динамічний імпорт і поділ коду.
• Шаблони візуалізації, такі як рендеринг на стороні сервера, гідратація, архітектура островів тощо.
• Сучасний синтаксис JavaScript, як-от модулі JavaScript, шаблони React, хуки, компоненти вищого порядку (HOC).

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

І на десерт ще трохи про генеративний штучний інтелект — найгарячішу тему останніх місяців. Ця книга навчить інженерів машинного навчання та data scientasts, як створювати вражаючі генеративні моделі глибокого навчання з нуля за допомогою Tensorflow і Keras, включаючи варіаційні автокодери (VAE), генеративні суперницькі мережі (GAN), трансформатори, нормалізуючі потоки, моделі на основі енергії та моделі шумопоглинання дифузії.

Книга починається з основ глибокого навчання та переходить до передових архітектур, має купу порад та підказок, завдяки яким фахівці зможуть зробити так, щоб їхні моделі навчалися ефективніше та ставали креативнішими.