Тоби Сегаран Программируем коллективный разум Средства эффективной обработки информации в Интернете еще никогда не были настолько важны и востребованы, как сегодня. Эта книга - первое практическое руководство по программированию интеллектуальных приложений для Web 2.0. Здесь вы найдете все необходимое, чтобы научиться создавать самообучаемые программы на языке Python, которые способны собирать и анализировать огромные массивы данных, имеющиеся в Сети. Вы научитесь пользоваться алгоритмами машинного обучения, адаптируя их под свои собственные нужды. Чтобы овладеть представленным материалом, от вас не потребуется никаких специальных знаний об анализе данных, машинном обучении или математической статистике. Однако предполагается, что вы имеете достаточный опыт программирования и знакомы с основными концепциями. В каждой главе вы найдете практические примеры и задания, которые помогут вам быстро и легко освоить различные аспекты работы алгоритмов. Обзор глав Глава 1 #Введение в коллективный разум# Разъясняются идеи, лежащие в основе машинного обучения, его применение в различных областях и способы, позволяющие с его помощью делать выводы из данных, полученных от многих людей. Глава 2 #Выработка рекомендаций# Дается введение в методику коллаборативной фильтрации, которая применяется во многих онлайновых магазинах для рекомендования товаров или мультимедийной продукции. Включен также раздел о рекомендовании ссылок на социальном сайте хранения закладок и о построении системы рекомендования кинофильмов на основе анализа набора данных MovieLens. Глава 3 #Обнаружение групп# Развивает идеи, изложенные в главе 2, и знакомит с двумя методами кластеризации, позволяющими автоматически обнаруживать группы сходных элементов в большом наборе данных. Демонстрируется применение кластеризации для отыскания групп во множестве популярных блогов и во множестве пожеланий, высказанных посетителями сайта социальной сети. Глава 4 #Поиск и ранжирование# Описываются различные компоненты поисковой машины, в том числе паук, индексатор, механизм обработки запросов. Рассмотрен алгоритм ранжирования страниц на основе ведущих на них ссылок, PageRank, и показано, как создать нейронную сеть, которая обучается тому, какие ключевые слова ассоциированы с различными результатами. Глава 5 #Оптимизация# Содержит введение в алгоритмы оптимизации, предназначенные для отбора наилучшего решения задачи из миллионов возможных. Широта области применения подобных алгоритмов демонстрируется на примерах поиска оптимальных авиарейсов для группы людей, направляющихся в одно и то же место, оптимального способа распределения студентов по комнатам в общежитии и вычерчивания сети с минимальным числом пересекающихся линий. Глава 6 #Фильтрация документов# Демонстрируется методика байесовской фильтрации, которая используется во многих бесплатных коммерческих системах фильтрации спама для автоматической классификации документов по типам слов и другим обнаруживаемым свойствам. Описанный подход применим ко множеству результатов поиска по RSS-каналам с цель1ю автоматической классификации найденных записей. Глава 7 #Моделирование с помощью деревьев решений# Содержит введение в теорию деревьев решений, которая позволяет не только делать прогнозы, но и моделировать способ принятия решений. Первое дерево решений строится на основе гипотетических данных, взятых из протоколов сервера, и используется для того, чтобы предсказать, оформит ли пользователь премиальную подписку. В остальных примерах взяты данные с реальных сайтов для моделирования цен на недвижимость и оценки степени привлекательности различных людей. Глава 8 #Построение ценовых моделей# Описывается подход к решению задачи предсказания числовых значений, а не классификации. Для этого применяется метод k-ближайших соседей и алгоритмы оптимизации из главы 5. Эти методы в сочетании с eBay API используются для построения системы прогнозирования окончательной цены на торгах исходя из некоторого набора свойств. Глава 9 #Более сложные способы классификации: ядерные методы и машины опорных векторов# Показано, как можно использовать метод опорных векторов для подбора пар на сайтах знакомств или в системах подбора профессиональных кадров. Машины опорных векторов # довольно сложная техника, она сравнивается с альтернативными методиками. Глава 10 #Выделение независимых признаков# Содержит введение в сравнительно новую методику # неотрицательную матричную факторизацию, которая применяется для поиска независимых признаков в наборе данных. Часто элементы набора данных представляют собой конгломерат различных заранее неизвестных признаков. Данная методика позволяет распознать эти признаки. Описанная техника демонстрируется на примере набора новостей, когда одна или несколько тем новости выводятся из ее текста. Глава 11 #Эволюционирующий разум# Содержит введение в генетическое программирование # весьма продвинутую теорию, которая выходит за рамки оптимизации и позволяет фактически строить алгоритмы решения задачи, основанные на идее эволюции. В качестве примера рассматривается простая игра, в которой компьютер изначально играет плохо, но постепенно модифицирует свой код, и чем больше игр сыграно, тем совершеннее его умение. Глава 12 #Сводка алгоритмов# Обзор всех алгоритмов машинного обучения и статистической обработки, рассмотренных в этой книге. Выполняется также их сравнение в плане применимости к решению нескольких искусственных задач. Это поможет вам понять, как они работают, и визуально проследить, как каждый алгоритм производит разбиение данных. Приложение А #Дополнительные библиотеки# Приводится информация о дополнительных библиотеках, использованных в этой книге: где их найти и как установить. Приложение B #Математические формулы# Представлены формулы, описания и код для многих математических понятий, встречающихся на страницах настоящей книги. Упражнения в конце каждой главы содержат идеи о том, как обобщить описанные алгоритмы и сделать их более мощными.

lgrsnf/Cs_Computer science/CsAi_AI, knowledge/Segaran T. (_Segaran_) Programmiruem kollektivnyj razum (Simvol, 2008)(ru)(ISBN 5932861193)(368s)_CsAi_.pdf

nexusstc/Программируем коллективный разум/f27904693883581d6be370ad4f0177af.pdf

zlib/Computers/Computer Science/Тоби Сегаран/Программируем коллективный разум_747168.pdf

Programming Collective Intelligence : Building Smart Web 2.0 Applications

Programmiruem Kollektivnyi Razum

[пер. с англ.]

Toby Segaran; Mary Treseler O'Brien; et al

Segaran, Toby

Сегаран, Тоби

O'Reilly Media, Inc.; O'Reilly

O'Reilly Media, Incorporated

Izdatel`stvo "SIMVOL-PLYuS"

Simvol-plius

Pogue Press

United States, United States of America

1st ed, Sebastopol, CA [etc, 2007

O'Reilly Media, Beijing, 2007

1st, First Edition, FR, 2007

Russia, Russian Federation

Sebastapol, Calif, 2007

1. ed, Beijing, 2007

August 16, 2007

Kolxo3 -- 29-30

lg320340

{"isbns":["0596529325","5932861193","9780596529321","9785932861196"],"last_page":368,"publisher":"Символ-Плюс"}

На обл. : Создание интеллектуальных приложений для Web 2.0
Указ.
Имеется электронная копия
Пер.: Segaran, Toby Programming collective intelligence 0-596-52932-5

РГБ

Russian State Library [rgb] MARC:
=001 004109717
=005 20190731101852.0
=008 080929s2008\\\\ru\\\\\\\\\\\\000\|\rus|d
=017 \\ $a 08-68126
=020 \\ $a 978-5-93286-119-6
=020 \\ $a 5-93286-119-3
=040 \\ $a RuMoRKP $b rus $d RuMoRGB
=041 1\ $a rus $h eng
=080 \\ $a 004.7
=084 \\ $a З973.233.02-018,0 $2 rubbk
=084 \\ $a З813.4,0 $2 rubbk
=100 1\ $a Сегаран, Тоби
=245 00 $a Программируем коллективный разум $c Тоби Сегаран ; [пер. А. Слинкина]
=260 \\ $a Санкт-Петербург $b Символ-Плюс $c 2008
=300 \\ $a 368 с. $b ил. $c 24 см
=500 \\ $a На обл. : Создание интеллектуальных приложений для Web 2.0
=500 \\ $a Указ.
=533 \\ $a Имеется электронная копия
=534 \\ $p Пер.: $a Segaran, Toby $t Programming collective intelligence $z 0-596-52932-5
=650 \7 $a Вычислительная техника -- Вычислительные машины электронные цифровые -- Автоматическая обработка информации -- Информационные системы и сети -- Программирование $2 rubbk
=650 \7 $a Радиоэлектроника -- Кибернетика -- Искусственный интеллект -- "Интеллектуализация " компьютеров $2 rubbk
=653 \\ $a интеллектуальная обработка информации в Интернете
=852 \\ $a РГБ $b FB $j 2 08-59/146 $x 90
=852 7\ $a РГБ $b CZ2 $h З 973.202/ С28 $p 66178 $x 83
=856 41 $q application/pdf $u http://dlib.rsl.ru/rsl01004000000/rsl01004109000/rsl01004109717/rsl01004109717.pdf $y Читать
=979 \\ $a dllocal
=979 \\ $a dledu

Want to tap the power behind search rankings, product recommendations, social bookmarking, and online matchmaking? This fascinating book demonstrates how you can build Web 2.0 applications to mine the enormous amount of data created by people on the Internet. With the sophisticated algorithms in this book, you can write smart programs to access interesting datasets from other web sites, collect data from users of your own applications, and analyze and understand the data once you've found it.Programming Collective Intelligence takes you into the world of machine learning and statistics, and explains how to draw conclusions about user experience, marketing, personal tastes, and human behavior in general -- all from information that you and others collect every day. Each algorithm is described clearly and concisely with code that can immediately be used on your web site, blog, Wiki, or specialized application. This book explains:Collaborative filtering techniques that enable online retailers to recommend products or mediaMethods of clustering to detect groups of similar items in a large datasetSearch engine features -- crawlers, indexers, query engines, and the PageRank algorithmOptimization algorithms that search millions of possible solutions to a problem and choose the best oneBayesian filtering, used in spam filters for classifying documents based on word types and other featuresUsing decision trees not only to make predictions, but to model the way decisions are madePredicting numerical values rather than classifications to build price modelsSupport vector machines to match people in online dating sitesNon-negative matrix factorization to find the independent features in a datasetEvolving intelligence for problem solving -- how a computer develops its skill by improving its own code the more it plays a gameEach chapter includes exercises for extending the algorithms to make them more powerful. Go beyond simple database-backed applications and put the wealth of Internet data to work for you.'Bravo! I cannot think of a better way for a developer to first learn these algorithms and methods, nor can I think of a better way for me (an old AI dog) to reinvigorate my knowledge of the details.'-- Dan Russell, Google'Toby's book does a great job of breaking down the complex subject matter of machine-learning algorithms into practical, easy-to-understand examples that can be directly applied to analysis of social interaction across the Web today. If I had this book two years ago, it would have saved precious time going down some fruitless paths.'-- Tim Wolters, CTO, Collective Intellect

Want to tap the power behind search rankings, product recommendations, social bookmarking, and online matchmaking? This fascinating book demonstrates how you can build Web 2.0 applications to mine the enormous amount of data created by people on the Internet. With the sophisticated algorithms in this book, you can write smart programs to access interesting datasets from other web sites, collect data from users of your own applications, and analyze and understand the data once you've found it. "Programming Collective Intelligence" takes you into the world of machine learning and statistics, and explains how to draw conclusions about user experience, marketing, personal tastes, and human behavior in general - all from information that you and others collect every day. Each algorithm is described clearly and concisely with code that can immediately be used on your web site, blog, Wiki, or specialized application. This book explains: collaborative filtering techniques that enable online retailers to recommend products or media; methods of clustering to detect groups of similar items in a large dataset; search engine features - crawlers, indexers, query engines, and the PageRank algorithm; optimization algorithms that search millions of possible solutions to a problem and choose the best one; bayesian filtering, used in spam filters for classifying documents based on word types and other features; using decision trees not only to make predictions, but to model the way decisions are made; predicting numerical values rather than classifications to build price models; support vector machines to match people in online dating sites; non-negative matrix factorization to find the independent features in a dataset; and, evolving intelligence for problem solving - how a computer develops its skill by improving its own code the more it plays a game

Want to tap the power behind search rankings, product recommendations, social bookmarking, and online matchmaking? This fascinating book demonstrates how you can build Web 2.0 applications to mine the enormous amount of data created by people on the Internet. With the sophisticated algorithms in this book, you can write smart programs to access interesting datasets from other web sites, collect data from users of your own applications, and analyze and understand the data once you've found it. Programming Collective Intelligence takes you into the world of machine learning and statistics, and explains how to draw conclusions about user experience, marketing, personal tastes, and human behavior in general--all from information that you and others collect every day. Each algorithm is described clearly and concisely with code that can immediately be used on your web site, blog, Wiki, or specialized application. This book
Each chapter includes exercises for extending the algorithms to make them more powerful. Go beyond simple database-backed applications and put the wealth of Internet data to work for you.
"Bravo! I cannot think of a better way for a developer to first learn these algorithms and methods, nor can I think of a better way for me (an old AI dog) to reinvigorate my knowledge of the details."
-- Dan Russell, Google
"Toby's book does a great job of breaking down the complex subject matter of machine-learning algorithms into practical, easy-to-understand examples that can be directly applied to analysis of social interaction across the Web today. If I had this book two years ago, it would have saved precious time going down some fruitless paths."
-- Tim Wolters, CTO, Collective Intellect

Средства эффективной обработки информации в Интернете еще никоrда не были настолько важны и востребованы, как сеrодня. Эта книrа первое практическое руководство по проrраммированию интеллектуальных приложений для Web 2.0. Здесь вы найдете все необходимое, чтобы научиться создавать caмообучаемые проrраммы, которые способны собирать и анализировать orpoмные массивы данных, имеющиеся в Сети. Вы научитесь пользоваться алrоритмами машинноrо обучения, адаптируя их под свои собственные нужды. Чтобы владеть представленным материалом, от вас не потребуется никаких специальных знаний об анализе данных, машинном обучении или математической статистике. Однако предполаrается, что вы имеете достаточный опыт проrраммирования и знакомы с основными концепциями. В каждой rлаве вы найдете практические примеры и задания, которые помоrут вам быстро и леrко освоить различные аспекты работы алrоритмов.Файл: есть OCR, есть оглавление

"Want to tap the power behind search rankings, product recommendations, social bookmarking, and online matchmaking? This book demonstrates how you can build Web 2.0 applications to mine the enormous amount of data created by participatory Internet applications. With the sophisticated algorithms in this book, you can write smart programs to access interesting datasets from other web sites, collect data from users of your own applications, and analyze and understand the data once you've found it."--Jacket

Handleiding voor het schrijven van algoritmen met als doel het efficiënter benutten van de enorme hoeveelheid informatie op het internet. NL-ZmNBD

This book is a practical guide to programming Web 2.0 applications. It includes sample algorithms written in Python.

2010-11-11