Книга «Основы искусственного интеллекта в примерах на Python. Самоучитель», изданная «БХВ-Петербург» в 2021 году, представляет собой практическое руководство по освоению базовых принципов искусственного интеллекта (ИИ) и машинного обучения с акцентом на их программную реализацию с использованием языка Python и специализированных библиотек.
Центральная идея издания заключается в демистификации ИИ для широкого круга читателей, демонстрируя, что практическое применение существующих решений в области ИИ доступно без необходимости глубокого погружения в сложную математическую теорию или разработки новых алгоритмов. Книга предлагает систематизированный подход к изучению инструментария и методов, необходимых для создания нейронных сетей и систем обработки данных.
Предметом исследования книги являются инструментальные средства и полезные библиотеки для разработки приложений искусственного интеллекта на Python, а также основные понятия, определения и методы программной реализации нейронных сетей. Особое внимание уделяется практическим примерам использования предобученных нейронных сетей для распознавания объектов на изображениях, а также обучению и применению собственных моделей.
Рис. 1: Обложка книги «Основы искусственного интеллекта в примерах на Python»
Ключевые аспекты
- Фундаментальные понятия искусственного интеллекта и нейронных сетей: Объясняются ключевые определения ИИ, структура искусственного нейрона, различные функции активации (функция единичного скачка, сигмоидальная функция, гиперболический тангенс), а также строение однослойных и многослойных нейронных сетей. Подробно разбираются концепции обучающей и тестовой выборок данных, а также принципы обучения нейронных сетей с учителем и без учителя;
- Программная реализация элементов нейронной сети: Книга иллюстрирует программную реализацию персептронов, их классификацию и роль в нейронных сетях, а также принципы линейной разделимости объектов. Приведены практические уроки по обучению персептрона распознаванию изображений, подбору весов связей и классификации объектов, включая применение дельта-правила и линейной аппроксимации;
- Построение и обучение многослойных нейронных сетей: Обсуждаются этапы проектирования нейронных сетей, начиная от формулировки задачи и заканчивая практическим использованием обученной модели. Этот раздел включает программирование простейшего нейрона и построение сети из множества нейронов, а также демонстрацию процесса их обучения;
- Использование популярных библиотек для создания нейронных сетей: Представлен обзор и примеры работы с ведущими библиотеками Python, такими как PyBrain, Scikit-learn, Keras и TensorFlow;
- Применение библиотеки ImageAI для обработки изображений и видео: Детально рассмотрена библиотека ImageAI, предназначенная для создания нейронных сетей обработки изображений. Описаны классы для распознавания и обнаружения объектов на изображениях и в видеопотоках (включая модели SqueezeNet, ResNet, InceptionV3, DenseNet, YOLOv3), а также методы обучения нейронных сетей на пользовательских наборах данных и применение пользовательских моделей;
- Использование библиотеки OpenCV для обработки изображений: Заключительная глава посвящена библиотеке OpenCV, демонстрируя ее применение для создания приложений обработки изображений с использованием обученных классификаторов Хаара. Приведены примеры программ для поиска лиц, глаз, эмоций, автомобильных номеров и пешеходов на фотографиях и в видеопотоках.
Полезность
Книга А.В. Постолита является ценным ресурсом для всех, кто стремится освоить практические аспекты искусственного интеллекта на Python.
Что раскрыто хорошо:
- Практико-ориентированный подход: Книга акцентирует внимание на практическом применении, предоставляя множество готовых примеров программного кода и пошаговых инструкций, что значительно облегчает освоение материала для начинающих. Это позволяет читателям сразу же приступить к созданию собственных ИИ-систем, минуя излишне глубокое погружение в теоретические дебри;
- Комплексный обзор популярных библиотек: Подробно рассмотрены и проиллюстрированы примерами такие ключевые библиотеки как PyBrain, Scikit-learn, Keras, TensorFlow, ImageAI и OpenCV. Объяснения их функционала, классов и методов с использованием реальных обучающих выборок позволяют быстро освоить инструментарий для решения широкого спектра задач, от базового машинного обучения до продвинутой обработки изображений и видео;
- Доступность и последовательность изложения: Материал представлен в логической последовательности. Язык изложения является научным, но без избыточных сложных терминов, что делает книгу доступной для широкой аудитории.
Что раскрыто плохо:
- Ограниченное углубление в математическую базу: Книга сознательно упрощает математический фундамент нейронных сетей, сосредоточившись на практическом применении. Для читателей, стремящихся к глубокому пониманию алгоритмов или разработке собственных ИИ-моделей, такой подход может быть недостаточным и потребует изучения дополнительной литературы по линейной алгебре, математическому анализу и статистике.
Вердикт
Практическая ценность данной книги выражается в ее ориентации на реальные задачи и методы их решения. Пошаговые инструкции по настройке среды, подробные примеры с кодом и объяснениями использования ключевых библиотек делают ее незаменимым пособием для самостоятельного изучения. Читатель получает не просто теоретические знания, а конкретные инструменты и навыки для создания систем распознавания изображений, обнаружения объектов и анализа данных.
Приобрести книгу можно здесь: https://www.labirint.ru/books/805903/