What Every Engineer Should Know About Artificial Intelligence and Big Data
Sorozatcím: What Every Engineer Should Know;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 120.00
-
54 180 Ft (51 600 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 10 836 Ft off)
- Kedvezményes ár 43 344 Ft (41 280 Ft + 5% áfa)
- A kedvezmény érvényes eddig: 2026. június 30.
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
48 762 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó CRC Press
- Megjelenés dátuma 2026. július 30.
- ISBN 9781032829876
- Kötéstípus Keménykötés
- Terjedelem316 oldal
- Méret 234x156 mm
- Nyelv angol
- Illusztrációk 60 Illustrations, black & white; 60 Halftones, black & white; 32 Tables, black & white 700
Kategóriák
Rövid leírás:
This book covers the essentials of big data and ML/AI to predict trends and risks for business while acknowledging that the field is extensive and evolving. Rather than focusing on theory, it shares real-life experiences building AI and big data analytics systems of value to practitioners.
TöbbHosszú leírás:
Recognizing the vast potential in analyzing big data through machine learning (ML) and artificial intelligence (AI) technologies, companies are acknowledging these technologies as essential for maintaining relevance. A prevailing trend is emerging toward the adoption of distributed open‑source computing for storing big data assets and performing advanced ML/AI analytics to predict future trends and risks for businesses. This book offers readers an overview of the essentials of big data and ML/AI, while acknowledging that the field is extensive and evolving. In addition to focusing on theory, this book shares real‑life experiences building AI and big data analytics systems of value to practitioners.
• Features practical case studies on building big data and AI models for large‑scale enterprise solutions.
• Discusses the use of design patterns for architecting AI that are safe, secure, and testable.
• Covers an array of concepts, including deep big data analytics, natural language processing, transformer architecture, and evolution of ChatGPT, swarm intelligence, and genetic programming.
Informed by the authors’ many years of teaching ML and AI and working on predictive data analytics/AI projects, this book is suitable for use by graduates, professionals, and researchers within the field of data science and engineers and scientists interested in learning more about these essential technologies.
Tartalomjegyzék:
Part I Foundations and Platforms: Automation and Data Quality at Scale
Chapter 1 Fundamental Concepts in AI
Chapter 2 Big Data and Artificial Intelligence Systems
Chapter 3 Architecting Big Data Pipelines
Chapter 4 Big Data Frameworks and Data Cleaning Strategies
Chapter 5 Building Automated Pipelines for Data Cleaning
Part II Optimization and Search
Chapter 6 Swarm Intelligence
Chapter 7 Genetic Programming
Part III Learning Systems
Chapter 8 Foundations on Machine Learning and Artificial Learning
Chapter 9 Reinforcement Learning
Chapter 10 Deep Reinforcement Learning
Chapter 11 Natural Language Modeling
Chapter 12 Transformer Architecture and Evolution of LLMs
Part IV Systems in the Real World
Chapter 13 Architecting Distributed AI Systems Using Design Patterns
Chapter 14 Securing AI Systems
Chapter 15 AI System Safety in Practice
Chapter 16 Testing Strategies for AI Applications
Answer Keys for Chapter Questions
Több
