Iskoristite snagu generativne veštačke inteligencije u Python razvoju softvera i naučite da ubrzate, unapredite i pojednostavite programiranje kroz praktične primere i jasno definisane strategije.

Ključne karakteristike

• Otkrijte kako alati kao što su GitHub Copilot, ChatGPT i OpenAI API prilikom razvoja softvera unapređuju produktivnost i štede vreme.
• Prevaziđite okvire osnovnih funkcionalnosti i naučite da primenjujete napredne tehnike u svim fazama životnog ciklusa razvoja softvera.
• Ovladajte najboljim praksama i dokazanim pristupima koji vode ka čistom, kvalitetnom i održivom kodu, čak i u složenim projektima.

Opis knjige

Alati generativne veštačke inteligencije, kao što su ChatGPT, OpenAI API i GitHub Copilot, potpuno menjaju način na koji programeri rade. Ova knjiga opisuje naprednu upotrebu generativne veštačke inteligencije za pisanje Python koda, i uči vas da programirate brže i bolje. Autori — stručnjak za mašinsko učenje sa velikim uticajem u zajednici i vodeći predavač za veštačku inteligenciju sa iskustvom na nivou Harvard univerziteta — spajaju akademsko znanje i praktične uvide iz industrije u celinu koja nudi jasnoću i primenljivost.

S ovom knjigom, steći ćete detaljno razumevanje velikih jezičkih modela (LLM) i naučiti da sistematski pristupite rešavanju složenih zadataka uz pomoć veštačke inteligencije. Uz praktične primere i vežbe, savladaćete najvažnije tehnike inženjeringa upita, među kojima su učenje sa malo primera i lanac razmišljanja.

Ova knjiga vas ne uči samo pisanju koda — ona vas vodi kroz automatizaciju otklanjanja grešaka, refaktorisanja, optimizacije performansi, testiranja i nadgledanja. Pomoću ponovo upotrebljivih okvira upita i radnih tokova zasnovanih na veštačkoj inteligenciji, naučićete da pojednostavite proces razvoja i postignete visok kvalitet, preglednost i stabilnost koda.

Kada proučite ovu knjigu, znaćete da izaberete pravi alat veštačke inteligencije za svaku fazu rada, povećate efikasnost i predvidite sledeće korake u razvoju, što će vam omogućiti da održite korak u novoj eri razvoja osnaženog veštačkom inteligencijom.

Knjiga Programiranje osnaženo generativnom veštačkom inteligencijom namenjena je svima koji već imaju iskustvo programiranja u programskom jeziku Python i žele da unaprede svoju produktivnost i kvalitet koda pomoću alata generativne veštačke inteligencije. Sadržaj je prilagođen programerima srednjeg i naprednog nivoa, sa primerima različite složenosti koji pokazuju primenu naprednih tehnika inženjeringa upita. Za najbolje razumevanje materijala, preporučuje se najmanje godinu dana praktičnog iskustva u Python razvoju i osnovno poznavanje životnog ciklusa razvoja softvera (SDLC).

Kreiranje inteligentnih, autonomnih agenata veštačke inteligencije sposobnih da razmišljaju, planiraju i da se prilagođavaju

Ovladajte veštinom izgradnje agenata veštačke inteligencije zasnovanih na velikim jezičkim modelima, uz pristup koji podrazumeva koordinatora, izvršioca i delegata – za efikasno upravljanje složenim sistemima veštačke inteligencije

Ključne karakteristike

• Upoznajte osnove i napredne tehnike za izgradnju inteligentnih, autonomnih agenata veštačke inteligencije
• Naučite napredne tehnike za refleksiju, introspekciju, upotrebu alata, planiranje i saradnju u agentnim sistemima
• Sagledajte najvažnija pitanja poverenja, bezbednosti i etike u razvoju i primeni agenata veštačke inteligencije

Opis knjige

Steknite dragocen uvid u budućnost autonomnih sistema veštačke inteligencije kroz ovaj sveobuhvatan vodič za dizajniranje i primenu agenata veštačke inteligencije koji koriste generativnu veštačku inteligenciju  za planiranje, razmišljanje i samostalno delovanje. Knjigu su napisali vodeći stručnjaci i arhitekte u oblasti veštačke inteligencije – ljudi koji oblikuju globalne standarde i razvijaju primenljiva rešenja veštačke inteligencije za privredu.

Knjiga vas vodi od osnovnih pojmova generativne veštačke inteligencije i arhitektura agentnih sistema, pa sve do konkretnih rešenja: prikazuje okvire za donošenje odluka, mehanizme samopoboljšanja i prilagođavanja. Obuhvaćene su i napredne tehnike dizajna, uključujući višestepeno planiranje, povezivanje s alatima, kao i pristup sa koordinatorom, izvršiocem i delegatom – za izgradnju skalabilnih i efikasnih agenata veštačke inteligencije.

Pored tehničkog dela, knjiga se bavi i ključnim pitanjima poverenja, bezbednosti i etike, da bi sistemi veštačke inteligencije bili usklađeni s ljudskim vrednostima i delovali na transparentan način. Prikazi konkretnih primena ilustruju kako agent veštačke inteligencije transformiše industrije, kao što su automatizacija, finansije i zdravstvo.

Zahvaljujući detaljnom uvidu u savremene okvire veštačke inteligencije, inženjering upita i saradnju među agentima, ova knjiga će vam pomoći da razvijete sledeću generaciju prilagodljivih i skalabilnih agenata veštačke inteligencije – koji ne samo da izvršavaju zadatke, već to čine samostalno, uz minimalno ljudsko učešće.

Mašinsko učenje sa C++: Algoritmi, tehnike, biblioteke i savremeni alati u praksi – drugo izdanje
Primena nadgledanih i nenadgledanih algoritama mašinskog učenja i biblioteka C++ programskog jezika, kao što su PyTorch C++ API, Flashlight, Blaze, mlpack i dlib, na realnim primerima i skupovima podataka.

Ključne karakteristike

• Upoznavanje obrade podataka, merenja performansi i izbora modela, uz različite C++ biblioteke.
• Primena praktičnih tehnika mašinskog i dubokog učenja za razvoj inteligentnih modela.

• Implementacija modela mašinskog učenja na mobilnim i ugrađenim uređajima.

Opis knjige

Ova knjiga, čiji je autor iskusni softverski inženjer sa dugogodišnjim iskustvom u industriji, objašnjava osnove mašinskog učenja  i prikazuje načine primena C++ biblioteka za izradu modela nadgledanog i nenadgledanog učenja.

Steći ćete praktično iskustvo u podešavanju i optimizaciji modela za različite namene, što vam omogućava da efikasno birate odgovarajuće modele i merite njihove performanse. U knjizi su detaljno objašnjene tehnike kao što su preporučivanje proizvoda, ansambl učenje, detekcija anomalija, analiza osećanja i prepoznavanje objekata, uz primenu savremenih C++ biblioteka. Takođe ćete naučiti da rešavate izazove prilikom implementacije modela na mobilnim platformama i saznate kako format modela ONNX olakšava taj proces.

Ovo izdanje je unapređeno važnim temama, među kojima su primena analize osećanja kroz učenje prenosom znanja i modeli zasnovani na transformatorima, kao i praćenje i vizuelizacija eksperimenata mašinskog učenja pomoću alata MLflow. U dodatnom poglavlju objašnjena je upotreba biblioteke Optune za izbor hiperparametara. Deo posvećen implementaciji modela na mobilnim platformama sada sadrži detaljno objašnjenje prepoznavanja objekata u realnom vremenu na Android sistemu pomoću C++ programskog jezika.

Kada pročitate ovu knjigu o mašinskom učenju i programskom jeziku C++, steći ćete praktično znanje iz oblasti mašinskog učenja i veštinu korišćenja jezika C++ za razvoj naprednih sistema mašinskog učenja.

Šta ćete naučiti

• Primenu najvažnijih algoritama mašinskog učenja uz različite C++ biblioteke.
• Učitavanje i obradu različitih tipova podataka u odgovarajuće C++ strukture podataka.
• Prepoznavanje optimalnih parametara modela mašinskog učenja.
• Primenu otkrivanja anomalija za filtriranje korisničkih podataka.
• Upotrebu saradničke filtracije za upravljanje promenljivim korisničkim preferencijama.
• Upotrebu C++ biblioteka i API interfejsa za upravljanje strukturom i parametrima modela.
• Implementaciju C++ koda za prepoznavanje objekata pomoću savremene neuronske mreže.

Kome je namenjena ova knjiga

Ova knjiga je namenjena početnicima koji žele da istraže algoritme i tehnike mašinskog učenja upotrebom programskog jezika C++. Takođe će biti korisna analitičarima podataka, naučnicima i programerima koji žele da primene modele mašinskog učenja u proizvodnim okruženjima. Da bi se u potpunosti iskoristio sadržaj knjige, potrebno je osnovno poznavanje jezika C++.

Materijal predstavljen u ovom udžbeniku izlaže se u okviru kursa Algoritmi za dinamičku optimizaciju na četvrtoj godini osnovnih studija Odseka za Telekomunikcije, Elektrotehničkog fakulteta, Univerziteta u Beogradu. Takođe, udžbenik može poslužiti i studentima drugih odseka, kao i diplomiranim inženjerima elektrotehnike, koji žele da steknu ili prošire znanje o dinamičkom programiranju i metodama zaključivanja koji ga koriste.

Udžbenik je pisan sa željom da predznanje potrebno za razumevanje najvećeg broja koncepata opisanih u udžbeniku bude minimalno, a mišljenje autora je da osim osnovnih pojmova teorije grafova i teorije verovatnoće druga specijalna predznanja nisu nužna za praćenje izložene materije. Udžbenik predstavlja pokušaj autora da predstavi različite metode koje se koriste u oblasti nauke o podacima (eng. data science) i mašinskog učenja (eng. machine learning) iz ugla teoretičara informacija, sa idejom da bude koristan i studentima doktorskih studija koji se bave teorijom informacija i imaju potrebu da u svojim istraživanjima koriste dostignuća mašinskog učenja ili teorije ekspertskih sistema.

Dobrodošli u svet gde se granice između mašte i tehnologije brišu, gde se ideje pretvaraju u vizuelna remek-dela jednim klikom. Knjiga DALL-E 3 od zabave do zarade je knjiga koja će vas provesti kroz fascinantno putovanje korišćenja DALL-E 3 modela—revolucionarnog sistema veštačke inteligencije sposobnog da generiše slike na osnovu tekstualnih opisa.

Kome je namenjena ova knjiga?

Ova knjiga je namenjena širokom spektru čitalaca:

• Digitalnim umetnicima i dizajnerima koji žele da prošire svoje veštine i istraže nove alate za kreativno izražavanje.
• Preduzetnicima i marketinškim stručnjacima koji traže inovativne načine za promociju svojih proizvoda i usluga.
• Prosvetnim radnicima i studentima zainteresovanim za integraciju veštačke inteligencije u nastavni proces.
• Entuzijastima tehnologije i veštačke inteligencije koji žele da razumeju potencijal i primenu DALL-E 3 alata.
• Programerima video-igara koji žele da kreiraju konceptualna umetnička dela ili likove za video igre.
• Modnim kreatorima koji žele da kreiraju inspirativne uzorke i dizajne odeće.

Svakog dana, u svakom pogledu, veštačka inteligencija sve više napreduje, a sada imate priliku da budete među prvima koji se upoznaju s najnovijim dostignućima uz  potpuno novo izdanje knjige ”ChatGPT i prilagođeni GPT modeli”.

Nakon godinu dana od prethodnog izdanja, dolazi unapređeno izdanje sa svežim sadržajem i inovativnim pristupima. ChatGPT je evoluirao, a sa njim i vaša sposobnost da ga koristite kao nikada ranije!

U ovom vodiču detaljno je objašnjen rad sa najnovijim modelima, uključujući GPT o1-preview, koji omogućava napredno razmišljanje, i GPT o1-mini, dizajniran za brže obavljanje zadataka. Tu je i GPT-4o, savršen za većinu zadataka, kao i njegov brži partner, GPT-4o mini. Naravno, za one koji vole klasiku, tu je i stari, ali pouzdan GPT-4. Ovaj vodič takođe pruža praktične savete i primere kako najbolje iskoristiti svaki od ovih modela, pomažući vam da odaberete onaj koji najbolje odgovara vašim potrebama, bilo da radite na kreativnim projektima, analizi podataka ili jednostavnim svakodnevnim zadacima.

Ova knjiga vas vodi kroz sve aspekte korišćenja ChatGPT i prilagođenih GPT modela. Počevši od osnovnih koraka, pa do konkretnih aplikacija u pisanju, programiranju, obrazovanju, istraživanju i analizi, te produktivnosti i svakodnevnog života – ovaj vodič vam pruža duboko razumevanje i praktične primere za primenu ovih moćnih alata. Bilo da ste početnik ili iskusan korisnik, ova knjiga je savršeni resurs za svakoga ko želi da istraži mogućnosti veštačke inteligencije u svojoj svakodnevnoj praksi.

Ako želite da se upustite u detaljnije istraživanje mašinskog učenja, dubokog učenja i veštačke inteligencije, knjiga Mašinsko učenje i veštačka inteligencija: 30 osnovnih pitanja i odgovora , organizovana u stilu pitanje-odgovor, vam omogućava jednostavan pristup temama, bez mnogo mučenja.

Knjiga je nastala kao odgovor na pitanja koja autor Sebastijan Raška često postavlja, a njen direktan pristup čini napredne teme dostupnijim i zaista zanimljivim. U svakom kratkom, samostalnom poglavlju postavljeno je neko od osnovnih pitanja u vezi sa veštačkom inteligencijom i razmotreno jasnim objašnjenjima, dijagramima i praktičnim vežbama.

ŠTA SADRŽI:

FOKUSIRANA POGLAVLJA: na ključna pitanja u vezi sa veštačkom inteligencijom daju se sažeti odgovori, a složene ideje se razlažu na lako razumljive delove.

RAZNOVRSNE TEME: od arhitektura neuronskih mreža i evaluacije modela do računarskog prepoznavanja slika i obrade prirodnog jezika.

PRAKTIČNE PRIMENE: tehnike za poboljšanje performansi modela, fino podešavanje velikih modela i još mnogo toga.

Takođe ćete istražiti:

• Upravljanje različitim izvorima slučajnosti pri obuci neuronskih mreža
• Razlike arhitektura kodera i dekodera u velikim jezičkim modelima
• Smanjivanje preprilagođavanja modifikacijama podataka i modela
• Konstruisanje intervala poverenja za klasifikatore i optimizovanje modela sa ograničenim označenim podacima
• Kako da izaberete između različitih paradigmi obuke sa više GPU komponenti i različitih tipova generativnih modela veštačke inteligencije
• Koncept metrika performansi za obradu prirodnog jezika
• Koncept induktivne pristrasnosti u vizuelnim transformatorima

Ako ste u potrazi za savršenim izvorom unapređenja svog razumevanja mašinskog učenja, uz knjigu Mašinsko učenje i veštačka inteligencija: 30 osnovnih pitanja i odgovora granica osnovnog poznavanja veštačke inteligencije ostaće daleko iza vas.

Sistemi mašinskog učenja su i kompleksni i jedinstveni. Kompleksni su zato što se sastoje od mnogo različitih komponenti i uključuju mnoge različite aktere. Jedinstveni su zato što zavise od podataka, pri čemu se podaci drastično razlikuju od jednog slučaja upotrebe do drugog. U ovoj knjizi ćete naučiti holistički pristup projektovanju sistema mašinskog učenja koji su pouzdani, skalabilni, održivi i prilagodljivi promenljivim okruženjima i poslovnim zahtevima.

Autorka Chip Huyen, suosnivač kompanije Claypot AI, razmatra svaku dizajnersku odluku – kao što su obrada i kreiranje podataka za obuku, izbor karakteristika, učestalost ponovnog treniranja modela i praćenje - u kontekstu kako to može pomoći vašem sistemu u celini da postigne svoje ciljeve. Iterativni okvir u ovoj knjizi koristi stvarne studije slučaja podržane obiljem referenci.

Ova knjiga će vam pomoći da se suočite sa scenarijima kao što su:
• Inženjering podataka i izbor pravih mernih pokazatelja za rešavanje poslovnog problema
• Automatizacija procesa stalnog razvoja, evaluacije, implementacije i ažuriranja modela
• Razvoj sistema za praćenje radi brzog otkrivanja i rešavanja problema koje vaši modeli mogu sresti u proizvodnji
• Arhitektura platforme za mašinsko učenje koja služi u različitim slučajevima upotrebe
• Razvoj odgovornih sistema mašinskog učenja

U knjizi „Namenski grafički jezici za modelovanje u robotici“ opisani su aktuelni teorijski i praktični problemi u softverskom inženjerstvu, koji se odnose na razvoj metodologija i alata za proizvodnju softvera. Problemi i rešenja su ilustrovani na primerima srednje složenosti u robotici i automatici. Stvaranje novih namenskih robota za primenu u specifičnim oblastima je interdisciplinarni posao koji zahteva stručnjake različitih profila iz mašinstva, elektronike, robotike, automatike, softvera i oblasti primene robota. Kako organizovati jedan takav tim da postane funkcionalan, da razume zadatak, da postavi tačan i dostižan cilj i kako na svakom koraku biti siguran u ispravan tok posla? Intuitivno, posao ćemo brže uraditi ako imamo dobre alate i znamo da ih koristimo. Šta nam garantuje da alati koje imamo mogu da se primene na rešavanje problema? Možda će tek na kraju posla alatu nedostajati deo za „završnu obradu“, zbog čega nećemo dobiti upotrebljiv krajnji proizvod.
Knjiga na jednom mestu opisuje probleme iz mehanike, elektronike, automatike, softvera i matematičke lingvistike, a sve u formi interesantnih poslova na razvoju i proizvodnji robota. Iskustva koja su prikazana u knjizi primenljiva su na različite oblasti nezavisno od robotike. Ona softverskim inženjerima daju odgovor na dilemu šta je razvoj, a šta proizvodnja softvera. Ekspertima iz različitih nauka ova knjiga nudi rešenje kako jezik svog kružoka, ili jezik svoje struke, mogu da formalizuju i prevedu u upotrebljivo i izvršivo ekspertsko znanje za potrebe robotizacije.

Uvod
Dobrodošli u prvu knjigu na srpskom jeziku posvećenu ChatGPT-u, revolucionarnoj tehnologiji veštačke inteligencije koja menja način na koji komuniciramo, učimo i radimo. Ova knjiga je namenjena svima koji žele da dublje razumeju i efikasno koriste ChatGPT, bilo da ste potpuni početnik ili već imate iskustva sa veštačkom inteligencijom.

Zašto ChatGPT?
ChatGPT je postao nezaobilazan alat u mnogim oblastima: od edukacije, preko poslovanja, pa sve do kreativnih industrija. Njegova sposobnost da generiše tekst koji je gotovo neodlučiv od ljudskog čini ga izuzetno korisnim u različitim primenama.

Šta ćete naučiti?
ChatGPT prvi koraci
U ovom delu, upoznaćete se sa osnovama ChatGPT-a. Naučićete kako da ga instalirate, podesite i koristite za osnovne zadatke. Takođe ćemo razmotriti pitanja bezbednosti i privatnosti.

ChatGPT kao stručnjak za...
Ovde ćemo se fokusirati na specijalizovane oblasti u kojima ChatGPT može da se koristi. Bilo da je reč o edukaciji, poslovanju ili zdravstvu, saznaćete kako da maksimalno iskoristite ovu tehnologiju.

ChatGPT u praksi
U ovom segmentu, razmotrićemo stvarne slučajeve upotrebe ChatGPT-a. Prikazaćemo kako da optimizujete promptove i kako da automatizujete i integrišete ChatGPT u vaše radne procese.

ChatGPT dodaci
Otkrićete različite alate i ekstenzije koje možete koristiti sa ChatGPT-om, kao i kako da ga integrišete sa drugim platformama i servisima.

ChatGPT i intervju za posao
Ako planirate da koristite ChatGPT u profesionalnom kontekstu, ovaj deo će vam pomoći da se pripremite za intervju i da znate šta možete očekivati.

ChatGPT i rečnik pojmova
Na kraju, pružićemo vam detaljan rečnik pojmova i često postavljanih pitanja kako biste imali sveobuhvatno razumevanje ove fascinantne tehnologije.

Kome je knjiga namenjena?
Ova knjiga je namenjena svima koji su zainteresovani za veštačku inteligenciju, automatizaciju i tehnološki napredak. Ne zahteva prethodno iskustvo ili tehničko znanje, već samo otvoren um i želju za učenjem.

Nadamo se da ćete uživati u čitanju i da će vam ova knjiga pružiti dragocene uvide i praktične veštine koje ćete moći da primenite u svom životu i karijeri.

Spisak skraćenica, 7
Predgovor, 11

Uvod, 13
Šta su M2M komunikacije?, 13
Odnosi M2M, WSNs, CPS i IoT, 14
Primeri primene M2M komunikacija, 19
Uticaj pojedinih aplikacija na komunikacionu mrežu, 21
Druge organizacije, udruženja i interesne grupe koje se bave M2M, 23
Dalji razvoj i izazovi u M2M komunikacijama, 24

Arhitektura i standardi M2M komunikacija, 26
Uvod, 26
GPP MTC arhitektura, 26
ETSI arhitektura za M2M, 31
Arhitektura EXALTED sistema, 36

M2M saobraćaj i modeli, 43
Uvod, 43
Elementi za modelovanje M2M saobraćaja, 44
Metodologija za modelovanje saobraćaja, 50
Modelovanje saobraćaja u M2M, 54
Fitovanje modela prema zabeleženom (zapisanom) saobraćaju, 64
Modelovanje M2M aplikacija, 68

Sigurnost u M2M komunikacijama, 75
Uvod, 75
Pregled opštih pojmova,76
Sigurnost u M2M sistemu, 80

ZigBee standard, 87
Uvod, 87
Razvoj i pojam ZigBee-a, 87

Bluetooth, 95
Uvod, 95
Primeri primene Bluetooth tehnologije, 104
Ostale verzije standard, 105
Bluetooth Low Energy, 106

6LoWPAN, 109
Uvod, 109
IPv4 109
IPv6, 110
Bežični ugnježdeni Internet, 112
Uloga 6LoWPAN, 113
Razvoj 6LoWPAN i standardizacija, 113
Arhitektura 6LoWPAN, 114
Neke 6LoWPAN aplikacije, 117

Bežične tehnologije kratkog dometa, 120
Uvod, 120
NFC, 125
Mobilni uređaji sa NFC tehnologijom, 128
Primena RFID i NFC tehnologija, 131

Upravljanje uređajima u M2M (OMA–DM, CoAP protokol), 135
Uvod, 135
Upravljanje uređajima u M2M, 136
OMA DM standard, 136
CoAP protocol, 140
OMA LWM2M standard za upravljanje uređajima i aplikacijama, 146

M2M komunikacije za pametnu mrežu (smart grid), 151
Uvod, 151
Osnovi pametnih mreža, 153
Problemi M2M komunikacija u okviru pametne mreže, 156
Bežične komunikacione tehnologije za M2M komunikacije, 159
Neki primeri M2M komunikacija u pametnoj mreži, 162

Primena M2M komunikacija u okviru brige o zdravlju (ehealth), 168
Uvod, 168
Mrežna arhitektura M2M komunikacija i ehealth, 171
Kratak pregled bežičnih tehnologija, 172
M2M pristupna komunikaciona mreža, 174
Konektivnost i sigurnost u E2E rešenjima za M2M komunikacije, 174
Postojeći projekti, 178
Indeks, 184

NOVA UMJETNA INTELIGENCIJA

Danas se u različitim vrstama poslovanja, od maloprodaje i financija do proizvodnje, sve više podataka kontinuirano generira i prikuplja jer su poslovni sustavi kompjutorizirani. Isto vrijedi i za različita područja znanosti, od astronomije do biologije.

Također u našem svakodnevnom životu, kako se digitalne tehnologije infiltriraju u našu svakodnevicu te kako produbljujemo naš digitalni otisak ne samo kao potrošači i korisnici već i preko društvenih medija, sve veći dio naših života bilježi se i postaje podatak. Podaci iz bilo kojeg izvora, poslovnog, znanstvenog ili osobnog, a koji su pasivno spremljeni, nisu ni od kakve koristi, ali pametni ljudi pronalaze nove načine za iskorištavanje tih podataka u svrhu izrade korisnih proizvoda ili servisa.

Strojno učenje ima sve značajniju ulogu u toj transformaciji.

Strojno učenje nije samo komercijalna primjena metoda za izvlačenje informacija iz podataka; učenje je također neophodno za inteligenciju. Inteligentni sustav trebao bi se moći prilagoditi svojoj okolini; također mora naučiti ne ponavljati svoje pogreške, ali ponavljati svoje uspjehe. Nekoć su znanstvenici vjerovali da je potrebna nova paradigma, novi tip razmišljanja, novi računalni model ili potpuno novi skup algoritama kako bi umjetna inteligencija postala stvarnost.

Uzimajući u obzir nedavne uspjehe primjene strojnog učenja u različitim domenama, sada se može tvrditi da nam nije potreban skup novih specifičnih algoritama, već mnogo podataka i dovoljno računalne snage za pokretanje metoda sa sposobnošću  učenja na velikoj količini podataka, odnosno samostvaranje potrebnih algoritama iz podatka.

Može se pretpostaviti da se zadaci kao što su strojno prevođenje i planiranje mogu riješiti takvim algoritmima sa sposobnošću učenja koji su relativno jednostavni, ali trenirani na velikim količinama podataka—nedavni uspjesi u „dubokom učenju“ podržavaju ovu tezu. Čini se da inteligencija ne potječe od neke čudne formule, već od iscrpnog korištenja jednostavnih, jasnih algoritama.

Cilj ove knjige je dati čitatelju cjelovitu ideju o tome što strojno učenje jest, osnove nekih važnih algoritama sa sposobnošću učenja i kroz primjere pokazati primjenu strojnog učenja. Knjiga je namijenjena općem čitateljstvu te se raspravljaju samo osnove metoda učenja bez matematičkih ili programskih detalja. Knjiga ne pokriva ni jednu primjenu strojnog učenja u detalje; o brojnim se primjenama raspravlja na osnovnoj razini bez ulaženja u pojedinosti.

Mašinsko učenje uz PyTorch i Scikit-Learn je kompletan vodič za mašinsko učenje i duboko učenje pomoću biblioteke PyTorch. Služiće vam i kao prirunik za učenje i kao referenca koju ćete uvek koristiti dok gradite sisteme mašinskog učenja.

Naučićete sve osnovne tehnike mašinskog učenja zahvaljujući jasnim objašnjenjima, vizuelizacijama i primerima. Dok ste uz neke knjige primorani da slepo sledite uputstva, uz ovu knjigu o mašinskom učenju shvatićete principe koji vam omogućavaju da sami gradite modele i aplikacije.

Ova knjiga je ažurirana tako da obuhvata duboko učenje upotrebom biblioteke PyTorch i predstavlja čitaocima najnovije dodatke biblioteci scikit-learn. Uz to, ova knjiga objašnjava različite tehnike mašinskog učenja i dubokog učenja za klasifikaciju teksta i slika. Takođe ćete učiti o generativnim suparničkim mrežama (GAN) za generisanje novih podataka i inteligentnim agentima za obuku uz učenje uslovljavanjem. Konačno, ovo novo, prošireno, izdanje obuhvata najnovije trendove dubokog učenja, uključujući grafovske neuronske mreže i transformatore velikih razmera koji služe za obradu govornog jezika (NLP).

Ova knjiga o biblioteci PyTorch biće vaš kompanjon za mašinsko učenje u programskom jeziku Python, bilo da ste Python programer koji tek počinje da se bavi mašinskim učenjem ili želite da produbite svoje znanje o najnovijim dostignućima.

Uveren sam da će vam ova knjiga biti od neprocenjive vrednosti i kao opširan pregled uzbudljive oblasti mašinskog učenja i kao riznica praktičnih uvida. Nadam se da će vas inspirisati da primenite mašinsko učenje za opšte dobro u bilo kom području koje vam zadaje probleme.

Dmitro Dzhulgakov

PyTorch Core Maintainer

Šta ćete naučiti

- Istraživanje radnih okvira, modela i tehnika za mašinsko ’učenje’ iz podataka

- Upotrebu biblioteke scikit-learn za mašinsko učenje i biblioteke PyTorch za duboko učenje

- Obučavanje klasifikatora mašinskog učenja slikama, tekstom i drugim

- Izgradnju i obučavanje neuronskih mreža, transformatora i grafovskih neuronskih mreža

- Najbolju praksu za procenu i podešavanje modela

- Predviđanje kontinuiranih ciljnih ishoda pomoću regresione analize

- Otkrivanje detalja tekstualnih podataka i podataka društvenih medija pomoću analize mišljenja

Steknite praktično iskustvo sa Google Cloudom. Ovaj knjiga pruža niz samostalnih recepata koji vam pokazuju kako da koristite Google Cloud usluge za svoje poslovne aplikacije. Bez obzira da li tražite načine za primenu mikroservisa, veštačke inteligencije, analitike, bezbednosti ili mrežnih rešenja, recepti vas vode korak po korak kroz proces i objašnjavaju na koji način recepti funkcionišu.

Namenjen za sistemske inženjere i administratore, programere, administratore mreže i baza podataka i istraživače podataka, ovaj kuvar vam pomaže da počnete da koristite Google Cloud bez obzira na nivo iskustva. Googleovi veterani Rui Costa i Drew Hodun u ovoj knjizi pokrivaju i napredni nivo korišćenja Google Clouda, za one koji već imaju solidno iskustvo sa platformom.

• Naučite kako da počnete da koristite Google Cloud
• Razumite dubinu usluga koje Google Cloud pruža
• Steknite iskustvo koristeći praktične primere
• Istražite teme koje uključuju BigQuery, Cloud Run i Kubernetes
• Napravite mobilne i veb aplikacije na Google Cloudu
• Ispitajte načine da napravite svoje aplikacije po meri u oblaku
• Napravite aplikaciju koja je minimalno održiv proizvod za eksploataciju u proizvodnji
• Naučite veštine rada sa platformom podataka i cevovodom

Umorni ste od Google Clouda jer niste odmakli dalje od "Hello World"? Google Cloud kuvar sadrži recepte za aplikacije iz stvarnog sveta, od bezserverskih do bezbednosnih, uključujući mikroservise, velike podatke (big data), veštačku inteligenciju, mašinsko učenje, Firebase, bezbednost, umrežavanje i Kubernetes aplikacije.

Kroz seriju otkrića, duboko učenje dalo je zamah celom polju mašinskog učenja. Sada čak i programeri koji skoro ništa ne znaju o ovoj tehnologiji mogu da koriste jednostavne, efikasne alate za primenu programa sposobnih za učenje iz podataka. Ažurirano izdanje ove najprodavanije knjige koristi konkretne primere, minimalno teorije i Pythonove radne okvire spremne za upotrebu kako bi vam pomogli da steknete intuitivno razumevanje koncepata i alata za izgradnju inteligentnih sistema.
Naučićete niz tehnika koje možete brzo da upotrebite. Uz vežbe u svakom poglavlju koje će vam pomoći da primenite naučeno, sve što vam je potrebno je iskustvo programiranja da biste krenuli. Celokupan kôd je dostupan na GitHubu. Ažuriran je na TensorFlow 2 i najnoviju verziju Scikit-Learna.

• Naučite osnove mašinskog učenja kroz projekat od početka do kraja koristeći Scikit-Learn
• Izgradite i obučite razne arhitekture neuronskih mreža za klasifikaciju i regresiju koristeći TensorFlow 2
• Saznajte o detekciji objekata, semantičkoj segmentaciji, mehanizmima pažnje, jezičkim modelima, GAN-ovima i još mnogo toga
• Istražite Keras API, zvanični API visokog nivoa za TensorFlow 2
• Pustite u primenu modele TensorFlow koristeći TensorFlowov Data API, API strategije distribucije, TF Transform i TF-Serving
• Primenite na Google Cloud AI platformi ili na mobilnim uređajima
• Upotrebite tehnike nenadgledanog učenja, kao što su redukcija dimenzija, klasterovanje i otkrivanje anomalija
• Stvorite samostalne agente za učenje pomoću forsiranog učenja, uz korišćenje biblioteke TF

O knjizi

Grokking Algoritmi veštačke inteligencije su napisani i ilustrovani kako bi se prosečnoj osobi u tehnološkoj industriji omogućilo razumevanje i implementacija algoritama veštačke inteligencije i njihova upotreba u rešavanju problema, putem upotrebe povezanih analogija, praktičnih primera i vizuelnih objašnjenja.

Ko bi trebalo da pročita ovu knjigu

Grokking Algoritmi veštačke inteligencije je namenjena programerima softvera i svima onima u industriji softvera koji žele da razotkriju koncepte i algoritme koji stoje iza veštačke inteligencije, kroz praktične primere i vizuelna objašnjenja, preko udubljivanja u teoriju i matematičke dokaze.

Knjiga je namenjena svima koji razumeju osnovne koncepte računarskog programiranja koji uključuju promenljive, tipove podataka, nizove, uslovne izraze, iteratore, klase i funkcije - dovoljno je iskustvo u bilo kom programskom jeziku; i svakom ko razume osnovne matematičke pojmove kao što su promenljive podataka, predstavljanje funkcija i crtanje podataka i funkcija na grafovima.

Zamislite da ste u avionu na visini od 10 kilometara. Avion iznenada, naizgled bez razloga, obara nos i naglo ponire prema okeanu. Ili zamislite da autopilot, protiv volje članova posade, pri uzletanju iznenada prevede avion u poniranje i sruši avion na pistu. Zvuči kao naučna fantastika? Ne, ovo se već dogodilo u ­stvarnosti. I postoji verovatnoća da se tako nešto dogodi ponovo, u doba kada se vazduhoplovna industrija sprema za novu eru putničke avijacije: avione bez pilota.

Oblast mašinskog učenja u formi u kojoj je poznata i danas postoji već dugi niz godina, ali početkom XXI vijeka doživljava značajan rast popularnosti. Ovo je dijelom uslovljeno potrebom za pronalaženje načina za obradu velikih količina podataka, ali dijelom i širokom dostupnošću i jednostavnošću upotrebe alata ove namjene.
Gotovo svi algoritmi koji se danas mogu svrstati pod okvir mašinskog učenja se mogu svesti na matematičke procedure koje su postojale mnogo prije pojave računarskih sistema. Medjutim, u velikom broju knjiga koje takve algoritme analiziraju primarno kroz matematički aspekt, gubi se fokus na konkretnu primjenu i praktične probleme implementacije. Sa druge strane, za upotrebu nekog algoritma mašinskog učenja u današnje vrijeme gotovo da nije potrebno znati bilo šta osim njegove namjene, jer je najveći broj javno dostupnih implementacija napisan imajući u vidu samo jednostavnost pokretanja, istovremeno sakrivajući većinu detalja o suštinskim osobinama.