Глубокое обучение на R, Шолле Ф., 2018.
Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но все не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей. Книга делится на две части в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике. Книга написана для людей с опытом программирования на R, желающих быстро познакомиться с глубоким обучением на практике, и является переложением бестселлера Франсуа Шолле «Глубокое обучение на Python», но использующим примеры на базе интерфейса R для Keras.
Искусственный интеллект.
Идея искусственного интеллекта появилась в 1950-х, когда группа энтузиастов из только зарождающейся области информатики задалась вопросом, можно ли заставить компьютеры «думать», — вопросом, последствия которого мы изучаем до сих пор. Коротко эту область можно определить так: автоматизация интеллектуальных задач, обычно выполняемых людьми. Соответственно, ИИ — это область, охватывающая машинное обучение и глубокое обучение, а также включающая многие подходы, не связанные с обучением. Например, первые программы для игры в шахматы действовали по жестко определенным правилам, заданным программистами, и не могли квалифицироваться как осуществляющие машинное обучение. Долгое время многие эксперты полагали, что искусственный интеллект уровня человека можно создать, если дать программисту достаточный набор явных правил для манипулирования знаниями. Этот подход известен как символический ИИ и являлся доминирующей парадигмой ИИ с 1950-х до конца 1980-х. Пик его популярности пришелся на бум экспертных систем в 1980-х.
Символический ИИ прекрасно справлялся с решением четко определенных логических задач, таких как игра в шахматы, но, как оказалось, невозможно задать строгие правила для решения более сложных, нечетких задач, таких как классификация изображений, распознавание речи и перевод на другие языки. На смену символическому ИИ пришел новый подход: машинное обучение.
СОДЕРЖАНИЕ.
Предисловие.
Благодарности.
Об этой книге.
Об авторах.
Об иллюстрации на обложке.
ЧАСТЬ I. ОСНОВЫ ГЛУБОКОГО ОБУЧЕНИЯ.
Глава 1. Что такое глубокое обучение?.
Глава 2. Прежде чем начать: математические основы нейронных сетей.
Глава 3. Начало работы с нейронными сетями.
Глава 4. Основы машинного обучения.
ЧАСТЬ II. ГЛУБОКОЕ ОБУЧЕНИЕ НА ПРАКТИКЕ.
Глава 5. Глубокое обучениедля распознавания образов.
Глава 6. Глубокое обучение для текста и последовательностей.
Глава 7. Лучшие практики глубокого обучения продвинутого уровня.
Глава 8. Генеративное глубокое обучение.
Глава 9. Заключение.
Приложение A. Установка Keras и его зависимостей в Ubuntu.
Приложение B. Запуск RStudio Server на экземпляре EC2 GPU.
Купить .
Теги: учебник по программированию :: программирование :: Шолле
Смотрите также учебники, книги и учебные материалы:
- Стандартная библиотека Python 3, справочник с примерами, Хеллман Д., 2019
- Грокаем глубокое обучение, Траск Э., 2019
- Head First, Программирование для Android, Гриффитс Д., 2018
- Глубокое обучение, Погружение в мир нейронных сетей, Николенко С., Кадурин А., Архангельская Е., 2018
- Прагматичный ИИ, Машинное обучение и облачные технологии, Гифт Н., 2019
- Вероятностное программирование на Python, Байесовский вывод и алгоритмы, Дэвидсон-Пайлон К., 2019
- Введение в машинное обучение с помощью Python, Мюллер А., Гвидо С., 2017
- Секреты Python, 59 рекомендаций по написанию эффективного кода, Слаткин Б., 2016