Доверенный искусственный интеллект: монография / Ю. А. Анисимов, В. Г. Грибунин, С. Е. Кондаков [и др.]. — Саров: Российский федеральный ядерный центр – ВНИИЭФ, 2025. — 191 c. — ISBN 978-5-9515-0591-0. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/153825.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. В монографии рассмотрены принципы повышения доверия к «классическим» информационным технологиям, отличия систем искусственного интеллекта от информационных технологий, вызванные этими отличиями новые угрозы безопасности информации и реализующие их атаки. Приведена информация о методах защиты от атак. Отмечена особая важность доверия к данным, которые являются основой систем искусственного интеллекта, а также необходимость обеспечения робастности и прозрачности (интерпретируемости) решений, принимаемых системами искусственного интеллекта. Выполнено сравнение подходов функциональной и информационной безопасности. Рассмотрены особенности обнаружения аномалий в системах искусственного интеллекта. |
|
Искусственный интеллект в финансах: монография / М. И. Барабанова, С. Ю. Богатырев, О. В. Борисова [и др.]; под редакцией С. Ю. Богатырева. — Санкт-Петербург: Международный банковский институт имени Анатолия Собчака, 2024. — 470 c. — ISBN 978-5-4228-0171-8. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/146588.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. - DOI: https://doi.org/10.23682/146588. В монографии представлены результаты научных исследований по использованию искусственного интеллекта в финансах. Рассказывается, как осуществлять подготовку финансовых данных для проведения анализа в Python. Описываются основы структурного мышления датасайентиста, демонстрируется его применение в процессе создания алгоритмов машинного обучения. Представлены последние NLP технологии на конкретных примерах с кодом в Питоне. В монографии представлены конкретные программные коды для создания текстов с использованием искусственного интеллекта, коды проверки оригинальности методами NLP. Монография может использоваться для проведения занятий по дисциплине «Машинное обучение в финансах». Материал монографии предоставляет читателям теоретические и практические знания в области методов работы с данными с использованием искусственного интеллекта на основе последних достижений финансовых аналитиков в области машинного обучения. Монография предназначена для финансистов, экономистов, студентов, обучающихся по направлениям подготовки «Экономика», «Финансы и кредит», слушателей сокращенных программ, программ профессиональной переподготовки финансистов. |
|
Каку, М. Будущее разума / М. Каку; перевод Н. Лисова; под редакцией К. Томса. — Москва: Альпина нон-фикшн, 2024. — 502 c. — ISBN 978-5-91671-369-5. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/137996.html (дата обращения: 01.09.2025). — Режим доступа: для авторизир. пользователей. Прямое мысленное общение с компьютером, телекинез, имплантация новых навыков непосредственно в мозг, видеозапись образов, воспоминаний и снов, телепатия, аватары и суррогаты как помощники человечества, экзоскелеты, управляемые мыслью, и искусственный интеллект. Это все наше недалекое будущее. В ближайшие десятилетия мы научимся форсировать свой интеллект при помощи генной терапии, лекарств и магнитных приборов. Наука в этом направлении развивается стремительно. Изменится характер работы и общения в социальных сетях, процесс обучения и в целом человеческое развитие. Будут побеждены многие неизлечимые болезни, мы станем другими. Готов ли наш разум к будущему? Что там его ждет? На эти вопросы, опираясь на последние исследования в области нейробиологии и физики, отвечает Митио Каку, футуролог, популяризатор науки и автор научно-популярных бестселлеров. |
|
Кузьменко, О. В. Промптология. Искусство диалога с нейросетями / О. В. Кузьменко. — Москва, Вологда: Инфра-Инженерия, 2025. — 224 c. — ISBN 978-5-9729-2715-9. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/154635.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. Добро пожаловать в промптологию! Эта книга научит вас общаться с нейросетями на понятном им языке: просто, эффективно и без лишних терминов. Вы узнаете, как правильно задавать вопросы, грамотно формулировать задачи и успешно использовать возможности ИИ в повседневной жизни и работе. Разнообразные примеры и доступные инструкции сделают ваше знакомство с искусственным интеллектом лёгким и полезным, независимо от уровня подготовки. Книга адресована широкому кругу читателей, интересующихся практическим применением современных нейросетевых технологий.
|
|
Машинное обучение в финансах: учебник для магистратуры / С. Ю. Богатырев, А. А. Помулев, А. В. Затевахина [и др.]; под редакцией С. Ю. Богатырева. — Москва: Прометей, 2024. — 224 c. — ISBN 978-5-00172-572-5. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/153436.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. |
|
Платонов, В. В. Технологии машинного обучения в кибербезопасности: учебное пособие / В. В. Платонов. — Москва, Вологда: Инфра-Инженерия, 2024. — 140 c. — ISBN 978-5-9729-2048-8. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/144586.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. Рассматриваются основные методы и алгоритмы машинного обучения, которые используются в настоящее время. Даются примеры использования этих методов для решения различных задач обеспечения информационной безопасности. Для студентов вузов, обучающихся по группе специальностей (направлений) 10.00.00 «Информационная безопасность».
|
|
Прасол, А. А. Вы сказали «искусственный интеллект»? Феномен двуликого Януса новейшей технологии / А. А. Прасол. — Москва: Техносфера, 2024. — 144 c. — ISBN 978-5-94836-687-6. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/145863.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. Сегодня нет, пожалуй, технологии, которая привлекала бы к себе более пристальное внимание, чем искусственный интеллект. Машинный разум способен производить вычисления с недостижимой скоростью и оперировать большими данными, сравнимыми с содержанием сотен томов энциклопедий. Нейросеть соревнуется в мастерстве с профессиональными художниками и писателями, робототехнические системы, вооруженные искусственным интеллектом, способны создавать подобные себе механизмы. И все же самый производительный компьютер не в состоянии соревноваться с человеческим мозгом. Недавнее открытие российских ученых в области нейроморфных компьютеров расширило возможности вычислительной техники. А достигнут ли машины уровень мышления человека? На этот и многие другие вопросы дается ответ в книге «Вы сказали «искусственный интеллект»?» Автор не случайно написал ее сразу после выхода в свет книги «Вы сказали «роботы»?», потому что робототехника и искусственный интеллект очень тесно связаны друг с другом. Для широкого круга читателей. |
|
Ракитский, А. А. Методы машинного обучения: учебно-методическое пособие / А. А. Ракитский, К. И. Дементьева. — Новосибирск: Сибирский государственный университет телекоммуникаций и информатики, 2023. — 35 c. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/138857.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. Данное учебно-методическое пособие включает в себя необходимые теоретические материалы по 4 лабораторным работам для изучения дисциплины «Методы машинного обучения» для направления подготовки 09.03.01 «Информатика и вычислительная техника» факультета Информатики и вычислительной техники. В пособии рассматриваются наиболее распространённые методы классификации, анализа и восстановления регрессии. Рассматриваются такие методы, как: линейная регрессия, метрические классификаторы и логические классификаторы, а также нейронные сети для задач распознавания объектов на изображениях, предсказание цены на недвижимость и т.д. Приводятся пояснения по применению указанных методов на практике и доказательства их корректности. Кроме того, описаны рекомендации и указания по выполнению лабораторных работ, связанных с данными темами. Методические указания рекомендованы для студентов технических специальностей, изучающих методы машинного обучения на 4 курсе бакалавриата. |
|
![]() |
Сотник, С. Л. Проектирование систем искусственного интеллекта: учебное пособие / С. Л. Сотник. — 4-е изд. — Москва: Интернет-Университет Информационных Технологий (ИНТУИТ), Ай Пи Ар Медиа, 2025. — 228 c. — ISBN 978-5-4497-0868-7. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/146389.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. Учебное пособие посвящено рассмотрению базовых понятий систем искусственного интеллекта. В издании описываются архитектура систем искусственного интеллекта, системы распознавания образов, вопросы адаптации, обучения и самообучения систем ИИ, персептроны, методы и алгоритмы анализа структуры многомерных данных, неформальные процедуры, алгоритмические модели, основы языков РЕФАЛ и Пролог, ключевые понятия бинарных деревьев, базовые понятия экспертных систем, автоматизированный синтез, поиск физических принципов действия, методы синтеза речи человека. |
Цвенгер, И. Г. Машинное обучение в энергоснабжении: учебное пособие / И. Г. Цвенгер. — Казань: Издательство КНИТУ, 2024. — 112 c. — ISBN 978-5-7882-3489-2. — Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/147886.html (дата обращения: 15.10.2025). — Режим доступа: для авторизир. пользователей. Содержит основные сведения о машинном обучении применительно к вопросам энергоэффективности зданий мегаполиса. Рассмотрены вопросы обработки входных данных, обучения модели и интерпретации результатов ее работы, а также примеры практического применения методов машинного обучения для закрепления теоретических знаний. Предназначено для обучающихся направления 13.04.02 «Электроэнергетика и электротехника» (профиль «Цифровизация электротехнических комплексов и систем нефтегазохимических производств»). Подготовлено на кафедре электропривода и электротехники.
|