Название: Artificial Intelligence with Microsoft Power BI: Simpler AI for the Enterprise
Автор: Jеnnifеr Stirruр, Тhоmаs J. Wеinаndу
Издательство: O’Reilly Media, Inc.
Год: 2024
Страниц: 473
Язык: английский
Формат: pdf (true)
Размер: 41.7 MB

Advance your Power BI skills by adding AI to your repertoire at a practice level. With this practical book, business-oriented software engineers and developers will learn the terminologies, practices, and strategy necessary to successfully incorporate AI into your business intelligence estate. Jen Stirrup, CEO of AI and BI leadership consultancy Data Relish, and Thomas Weinandy, research economist at Upside, show you how to use data already available to your organization. Springboarding from the skills that you already possess, this book adds AI to your organization's technical capability and expertise with Microsoft Power BI. By using your conceptual knowledge of BI, you'll learn how to choose the right model for your AI work and identify its value and validity. Automated Machine Learning (AutoML) in Power BI: Power BI invokes AutoML to create, train, and call machine learning models. You can consider this facility a low-code/no-code technology, meaning you don’t have to worry about being an experienced data scientist to use it. Instead, you are more concerned with using the resulting model to make valuable predictions while also taking care to validate the model’s accuracy. AutoML supports binary prediction, general classification, and regression models, and you can use these model types in Power BI.

Название: Learning Google Cloud Vertex AI: Build, deploy, and manage machine learning models with Vertex AI
Автор: Неmаnth Кumаr К.
Издательство: BPB Publications
Год: 2024
Страниц: 387
Язык: английский
Формат: epub (true)
Размер: 31.5 MB

Learn how to build an end-to-end data to AI solution on Google Cloud using Vertex AI. Google Cloud Vertex AI is a platform for Machine Learning (ML) offered by Google Cloud, with the objective of making the creation, deployment, and administration of ML models on a large scale easier. If you are seeking a unified and collaborative environment for your ML projects, this book is a valuable resource for you. This comprehensive guide is designed to help data enthusiasts effectively utilize Google Cloud Platform's Vertex AI for a wide range of machine learning operations. It covers the basics of the Google Cloud Platform, encompassing cloud storage, big query, and IAM. Subsequently, it delves into the specifics of Vertex AI, including AutoML, custom model training, model deployment on endpoints, development of Vertex AI pipelines, and the Explainable AI feature store. By the time you finish reading this book, you will be able to navigate Vertex AI proficiently, even if you lack prior experience with cloud platforms. With the inclusion of numerous code examples throughout the book, you will be equipped with the necessary skills and confidence to create machine learning solutions using Vertex AI.

Название: Low-Code AI: A Practical Project-Driven Introduction to Machine Learning (Early Release)
Автор: Gwendolyn Stripling, Michael Abel
Издательство: O’Reilly Media, Inc.
Год: 2023-06-15
Страниц: 109
Язык: английский
Формат: epub
Размер: 10.2 MB

Take a data-first and use-case driven approach to understanding machine learning and deep learning concepts with Low-Code AI. This hands-on guide presents three problem-focused ways to learn ML: no code using AutoML, low-code using BigQuery ML, and custom code using scikit-learn and Keras. You'll learn key ML concepts by using real-world datasets with realistic problems. Business and data analysts get a project-based introduction to ML/AI using a detailed, data-driven approach: loading and analyzing data, feeding data into an ML model; building, training, and testing; and deploying the model into production. Authors Michael Abel and Gwendolyn Stripling show you how to build machine learning models for retail, healthcare, financial services, energy, and telecommunications.

Название: Метаобучение. Применение в AutoML и науке о данных
Автор: Пaвeл Бpaздил, Ян вaн Peйн, Kapлoc Coapec
Издательство: ДМК-Пресс
Год: 2023
Страниц: 432
Язык: русский
Формат: pdf
Размер: 11.6 MB

Метаобучение – одна из самых быстрорастущих областей исследований в области машинного обучения (МО) – изучает методы получения эффективных моделей и решений путем адаптации процессов МО и интеллектуального анализа данных. Для адаптации обычно применяют информацию из опыта решения других задач, а адаптивные процессы могут использовать подходы МО. AutoML занимается автоматизацией процессов машинного обучения и является очень актуальной темой, напрямую связанной с метаобучением. Метаобучение и AutoML помогают искусственному интеллекту научиться выбирать наиболее подходящие методы самообучения и быстрее находить новые решения без вмешательства пользователя. Издание адресовано исследователям в области машинного обучения, интеллектуального анализа данных и искусственного интеллекта, а также может быть полезно студентам и аспирантам.

Название: Введение в автоматизированное машинное обучение (AutoML)
Автор: Xyттep Ф., Koттxoфф Л., Baншopeн X.
Издательство: ДМК Пресс
Год: 2023
Страниц: 258
Язык: русский
Формат: pdf
Размер: 16.4 MB

Ошеломляющий успех коммерческих приложений машинного обучения (machine learning – ML) и быстрый рост этой отрасли создали высокий спрос на готовые методы ML, которые можно легко использовать без специальных знаний. Однако и сегодня успех практического применения в решающей степени зависит от экспертов – людей, которые вручную выбирают подходящие архитектуры и их гиперпараметры. Методы AutoML нацелены на устранение этого узкого места путем построения систем ML, способных к автоматической оптимизации и самонастройке независимо от типа входных данных. В этой книге впервые представлен всеобъемлющий обзор базовых методов автоматизированного машинного обучения (AutoML). Издание послужит отправной точкой для изучения этой быстро развивающейся области; тем, кто уже использует AutoML в своей работе, книга пригодится в качестве справочника. Область автоматизированного машинного обучения нацелена на принятие конструкторских решений на основе данных объективным и автоматизированным способом: пользователь просто предоставляет данные, а система AutoML автоматически находит оптимальное решение для этого конкретного случая.

Название: Data Science for Genomics
Автор: Аmit Кumаr Туаgi, Аjith Аbrаhаm
Издательство: Academic Press/Elsevier
Год: 2023
Страниц: 314
Язык: английский
Формат: pdf (true)
Размер: 13.6 MB

Data Science for Genomics presents the foundational concepts of data science as they pertain to genomics, encompassing the process of inspecting, cleaning, transforming, and modeling data with the goal of discovering useful information, suggesting conclusions and supporting decision-making. Sections cover Data Science, Machine Learning, Deep Learning, data analysis, and visualization techniques. The authors then present the fundamentals of Genomics, Genetics, Transcriptomes and Proteomes as basic concepts of molecular biology, along with DNA and key features of the human genome, as well as the genomes of eukaryotes and prokaryotes. Automated ML, abbreviated and popularly known as AutoML, is a process of applying automation to the ML life cycle with the aim to automate the repetitive tasks of it. This will provide an edge to the technology by not only democratizing it and making it accessible to all but will have various other advantages like reduction of the model run time, a well-tuned model, various evaluation metrics to judge the model performance, etc.

Название: Transactional Machine Learning with Data Streams and AutoML: Build Frictionless and Elastic Machine Learning Solutions
Автор: Sebastian Maurice
Издательство: Apress
Год: 2021
Страниц: 284
Язык: английский
Формат: pdf (true), epub
Размер: 10.2 MB

Understand how to apply auto machine learning to data streams and create transactional machine learning (TML) solutions that are frictionless (require minimal to no human intervention) and elastic (machine learning solutions that can scale up or down by controlling the number of data streams, algorithms, and users of the insights). This book will strengthen your knowledge of the inner workings of TML solutions using data streams with auto machine learning integrated with Apache Kafka.