Глубокое обучение, Легкая разработка проектов на Python, Вейдман С., 2021

По кнопке выше «Купить бумажную книгу» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.

По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес», и потом ее скачать на сайте Литреса.

По кнопке «Найти похожие материалы на других сайтах» можно искать похожие материалы на других сайтах.

On the buttons above you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.

Ссылки на файлы заблокированы по запросу правообладателей.

Links to files are blocked at the request of copyright holders.


Глубокое обучение, Легкая разработка проектов на Python, Вейдман С., 2021.
 
Взрывной интерес к нейронным сетям и искусственному интеллекту затронул уже все области жизни, и понимание принципов глубокого обучения необходимо каждому разработчику ПО для решения прикладных задач. Эта практическая книга представляет собой вводный курс для всех, кто занимается обработкой данных, а также для разработчиков ПО. Вы начнете с основ глубокого обучения и быстро перейдете к более сложным архитектурам, создавая проекты с нуля. Вы научитесь использовать многослойные, сверточные и рекуррентные нейронные сети. Только понимая принцип их работы (от «математики» до концепций), вы сделаете свои проекты успешными.

Глубокое обучение, Легкая разработка проектов на Python, Вейдман С., 2021


Основы глубокого обучения.
В главе 1 вы познакомились с математическими элементами, составляющими базу глубокого обучения: вложенными, непрерывными и дифференцируемыми функциями. Вы научились представлять их в виде вычислительных графов, каждый узел которых соответствует одной простой функции. В частности, я показал способ оценки производных вложенных функций: достаточно оценить производные всех составляющих такой функции при заданных аргументах и перемножить полученные результаты. Это возможно благодаря цепному правилу. Рассмотренные в предыдущей главе примеры позволили убедиться, что такой подход корректно работает в случае функций, на вход которых подаются объекты ndarray из библиотеки NumPy, и такие же объекты мы видим на выходе.

Оглавление.
Предисловие.
Глава 1.Математическая база.
Глава 2.Основы глубокого обучения.
Глава 3.Основы глубокого обучения.
Глава 4.Расширения.
Глава 5.Сверточная нейронная сеть.
Глава 6.Рекуррентные нейронные сети.
Глава 7.Библиотека PyTorch.

Купить .
Дата публикации:






Теги: :: :: ::


Следующие учебники и книги:
Предыдущие статьи:


 


 

Книги, учебники, обучение по разделам




Не нашёл? Найди:





2024-11-05 00:18:38