Впишите название книги, которая вам понравилась,
и выберите наиболее похожую на нее.
Книги, похожие на «Тимур Казанцев, Искусственный интеллект и Машинное обучение. Основы программирования на Python»
В монографии профессора МФТИ, МАДИ, д.т.н. Варламова О.О. и д.т.н. Санду Р.А. предложен оригинальный подход в области искусственного интеллекта по созданию миварных глобальных обучаемых активных логически рассуждающих эволюционных автоматических информационных систем. Это стало возможным благодаря реализации на практике двух инновационных российских фундаментальных технологий: 1) эволюционного накопления данных – миварное информационное пространство, и 2) активной логико-вычислительной обработки информации – миварные сети. Миварные технологии позволяют создать принципиально новые информационно-телекоммуникационные системы, информационные инфраструктуры, интеллектуальные системы и системы искусственного интеллекта. Миварный подход ничего не отвергает, а объединяет и обобщает на основе единой технологической платформы все лучшие мировые научные, технические и программные достижения для создания качественно новых интеллектуальных систем, например: активных мультипредметных экспертных систем реального времени, управляемых потоком данных. Приведены примеры практической реализации миварных экспертных систем. Для специалистов в области кибернетики, информатики, вычислительной математики, студентов и аспирантов вузов соответствующих специальностей. Может быть использована в качестве учебного пособия для вузов по дисциплинам: информатика, дискретная и высшая математика, современные информационные технологии, интеллектуальные системы и искусственный интеллект.
МИВАР: ПЕРЕХОД ОТ ПРОДУКЦИЙ К ДВУДОЛЬНЫМ МИВАРНЫМ СЕТЯМ И ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ АВТОМАТИЧЕСКОГО КОНСТРУКТОРА АЛГОРИТМОВ, УПРАВЛЯЕМОГО ПОТОКОМ ВХОДНЫХ ДАННЫХ И ОБРАБАТЫВАЮЩЕГО БОЛЕЕ ТРЕХ МИЛЛИОНОВ ПРАВИЛ. Показан теоретический переход от однодольных продукционных систем к двудольным миварным логико-вычислительным сетям. Приведены примеры реализации миварных сетей в формализмах матриц и графов. Теоретически обоснована линейная вычислительная сложность автоматического конструирования алгоритмов из переменных объектов и правил-процедур миварных сетей. В качестве миварных правил могут быть использованы различные сервисы, модули и вычислительные процедуры. Автоматический конструктор алгоритмов может использоваться для поиска логического вывода в области создания экспертных систем. На основе миварных сетей создан программный комплекс УДАВ, который обрабатывает более 1,17 млн переменных и более 3,5 млн правил на обычных компьютерах и ноутбуках. Приведены результаты практических расчетов и решений различных прикладных задач, которые на практике подтверждают линейную вычислительную сложность конструирования алгоритмов в формализме миварных сетей. Программный комплекс УДАВ используется как для решения логических, так и вычислительных задач. Приведены сведения о практической реализации нескольких миварных экспертных систем. Миварные сети позволяют перейти к новому поколению экспертных систем и интеллектуальных пакетов прикладных программ. Миварный подход позволил на практике создать автоматические обучаемые эволюционные активные логически рассуждающие информационные системы. В перспективе на основе миварных сетей будет создана глобальная мультипредметная активная экспертная система под названием Миварная активная энциклопедия.
В книге рассматривается влияние информационных технологий на различные сферы человеческой деятельности: экономику и бизнес, движение денег и организацию связи, промышленное производство и сельское хозяйство, т. е. влияние информационных технологий на весь окружающий человека мир. Каждую главу данной книги можно читать отдельно, что позволяет сосредоточиться на наиболее интересных вопросах.
Apache Hadoop - это платформа для распределенной обработки больших наборов данных на кластерах компьютеров с использованием простых моделей программирования. В этой книге вы познакомитесь с общей архитектурой платформы, компонентами стека, такими как HDFS и MapReduce, приложениями Hadoop.
Понравилось, что мы предложили?