Анатолий Постолит - Основы искусственного интеллекта в примерах на Python. Самоучитель

деятельности, и все больше средств инвестируется в эти технологии. С ростом
объемов и сложности данных повышается необходимость их обработки и анализа
при помощи искусственного интеллекта. Ведь он дает гораздо более точные оценки
и прогнозы, которые заметно повышают эффективность, увеличивают производи­
тельность и снижают расходы.
Согласно отчетам мировых аналитических агентств, наблюдается устойчивый де­
фицит специалистов по искусственному интеллекту и машинному обучению. Спрос
на них растет на 12% в год, а предложение удовлетворяется лишь на 7%, в итоге
в ближайшем будущем открытых вакансий будет на 250 тыс. больше, чем потенци­
альных претендентов. В России число вакансий для специалистов по машинному
обучению и искусственному интеллекту с 2017 года выросло почти в 11 раз. Вокруг
машинного обучения сформировался ореол очень большой сложности. Это дейст­
вительно так, если вы хотите делать открытия, разрабатывать новые алгоритмы и
войти в историю мировой науки. Но если просто применять уже известные реше­
ния на практике, то порог входа в мир искусственного интеллекта не такой уж и
большой. Практически все программисты обладают необходимой базой знаний для
построения карьеры специалиста по искусственному интеллекту. Даже школьники

10

Введение

и студенты при- желании и целеустремленности могут приобщиться к миру искус­
ственного интеллекта и получить нужную, увлекательную и достаточно перспек­
тивную профессию.
Создание систем искусственного интеллекта отличается от разработки обычных
информационных систем. При работе над ними используется другой технологиче­
ский подход, нужны навь!КИ формирования тренировочных наборов данных и ма­
шинного обучения. Для реализации систем искусственного интеллекта нужно
иметь простой и удобный язык программирования с большим количеством готовых
библиотек. Python - как раз один из таких языков, и неудивительно, что на нем
ведется большое количество проектов, связанных с созданием нейронных сетей и
машинным обучением.
Проектирование нейронных сетей включает три этапа: формирование структуры
сети, подготовку обучающих данных, тренировку сети. Обучение нейронной сети
требует мощных вычислительных средств, и считалось, что программная реализа­
ция этого процесса нуждается в применении низкоуровневых языков программиро­
вания С или С++. Однако в последние годы для этих целей появились стандартные,
хорошо спроектированные и эффективно работающие библиотеки, например
TensorFlow, Theano или Torch. Они написаны на языке, близком к "железу", и обес­
печивают использование всех возможностей центрального и графического процес­
соров. При этом проектирование структуры нейронной сети и запуск процесса ее
обучения можно выполнять на более удобном, хотя и менее эффективном языке, а
для сложных вычислений будут использоваться модули из подключаемых библио­
тек. Python как раз и является таким удобным и простым в использовании языком.
Данная книга предназначена как для начинающих программистов (школьников и
студентов), так и для специалистов с опытом, которые планируют заниматься или
уже занимаются разработкой систем искусственного интеллекта с использованием
Python.
В первой (условной) части книги говорится об инструментарии, который необхо­
дим для создания нейронных сетей, рассматриваются основные понятия и опреде­
ления искусственного интеллекта (см. главы 1-5). Приводятся примеры реализации
нейронных сетей на Python. Во второй части книги делается обзор специализиро­
ванных библиотек, предназначенных для реализации систем искусственного интел­
лекта, приводится много примеров (см. главы 6-8).
В книге приведены практически все элементарные действия, которые выполняют
программисты, работая над реализацией нейронных сетей, дано множество приме­
ров и проверенных программных модулей. Рассмотрены базовых классы популяр­
ных библиотек, методы (функции) каждого из классов и примеры их использо­
вания.
Глава 1 книги посвящена формированию инструментальной среды пользователя
для разработки приложений искусственного интеллекта (установка и настройка
программных средств). Это в первую очередь интерпретатор Python, интерактивная
среда разработки программного кода PyScharm и среда разработки интерфейса
PyQt. На момент выхода данной книги --">