В. Семенчук, Г. Марков

Ни для кого не секрет: чтобы жить хорошо – обеспечивать себе комфортные условия, покупать все, что хочется, путешествовать и т.д. – нам нужны деньги. Можно ограничивать свои желания и жить на одну зарплату, убеждая себя, что все и так в порядке, а можно научиться зарабатывать. И тут вам поможет эта книга. Если вы обычный человек, но стремитесь к большему, пытаетесь найти новые источники дохода или просто хотите не ограничиваться только одним – скорее начинайте читать! Где можно подрабатывать, как повысить свою зарплату, во что инвестировать имеющееся, как правильно экономить (ведь грамотная экономия – это тоже доход), как создать финансовую подушку безопасности и чувствовать себя защищенно во время любых кризисных ситуаций? Об этом на личных примерах и с помощью кейсов своих друзей подробно рассказывают Вячеслав Семенчук и Глеб Марков.

Д. Ротман

В книге описываются приемы создания эффективных больших языковых моделей, систем компьютерного зрения и генеративного ИИ, показывающих высокую производительность при относительно невысоких затратах. В ней приводится подробное исследование технологии RAG, а также подходов к проектированию мультимодальных пайплайнов ИИ и управлению ими. Связывая вывод с исходными документами, RAG повышает точность и контекстную релевантность результатов, предлагая динамический подход к управлению большими объемами информации. Узнайте, как построить инфраструктуру RAG, попутно разобравшись с векторными хранилищами, фрагментацией, индексацией и ранжированием. Познакомьтесь с методами оптимизации производительности и приемами более глубокого изучения данных, включая использование адаптивного RAG и обратной связи от человека для уточнения поиска, тонкую настройку RAG, реализацию динамических RAG для поддержки принятия решений в реальном времени и визуализацию сложных данных с помощью графов знаний. Вы также увидите, как на практике объединить такие фреймворки, как LlamaIndex и Deep Lake, векторные базы данных наподобие Pinecone и Chroma и модели, предлагаемые компаниями Hugging Face и OpenAI. Приобретите навыки внедрения интеллектуальных решений, что повысит вашу конкурентоспособность в различных областях: от продакшна до обслуживания клиентов в любом проекте.

Б. Шнайер

От беспилотных автомобилей до умных термостатов, от ИТ-систем фондовой торговли до дронов, оснащенных автономными алгоритмами поведения... Сегодня интернет напрямую воздействует на мир вокруг нас. Продвинутым хакерам теперь по силам спровоцировать автоаварию, отключить кардиостимулятор или вывести из строя охранную сигнализацию и всю прочую технику в доме. В книге "Кибергейт. Как выжить в мире умных вещей" Брюс Шнайер исследует риски, которые повлечет за собой объединение всего и вся в единую сверхсложную и гиперсвязанную систему, и размышляет, как же воспользоваться преимуществами новой всемогущей эпохи и при этом не пасть ее жертвой.

В. Глядешкина

Мы все регулярно думаем о деньгах и о том, как с ними обращаться. На первый взгляд кажется, что ответ очевиден: много работай, мало трать. Однако деньги проникают во все аспекты нашей жизни - от незаметных привычек вроде любви к сладкому или кофе до значимых решений вроде покупки квартиры. Поэтому многим людям бывает трудно совместить свои мечты, цели и ежедневные расходы. В этой книге ты найдешь 100 самых важных ответов на твои вопросы о финансах и об экономике, увидишь, как деньги влияют на твою жизнь, и перестанешь о них беспокоится. В книге простыми словами описаны сложные экономические понятия и законы, а также собраны эффективные финансовые решения. Изучай реальные ситуации, размышляй над ними и строй собственный путь к финансовой свободе. Эта книга - твой верный спутник в мир денег и возможностей.

С. Лау, Д. Гонсалес, Д. Нолан

Практическое руководство по анализу данных, раскрывающее полный цикл работы с информацией: от сбора и обработки до построения моделей машинного обучения. Рассмотрена работа с инструментами pandas и SQL, методы выявления закономерностей и очистки данных. Описаны различные источники информации, включая текстовые, бинарные и веб-данные. Подробно изложены статистические методы: доверительные интервалы, проверка гипотез, конструирование признаков. Приведены практические примеры на языке Python из разных областей: анализ транспортных систем, экологические исследования, ветеринарная аналитика. Заключительные разделы посвящены логистической регрессии и оптимизации моделей с применением к задачам классификации текстов.