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


Нейронные сети и обучение представлениям.
Нейронные сети получают данные о наблюдениях, причем каждое наблюдение представлено некоторым числом n признаков. Мы приводили два разных примера. Первый: набор данных о ценах на жилье, где каждое наблюдение состояло из 13 признаков — числовых характеристик этого дома. Второй: набор данных MNIST рукописных цифр; поскольку изображения были представлены 784 пикселями (28 пикселей в ширину и 28 пикселей в высоту), каждое наблюдение было представлено 784 признаками, содержащими яркость или темноту каждого пикселя. В каждом случае, масштабируя данные, мы смогли построить модель, которая достаточно точно предсказывала результат для этого набора данных. Во всех случаях модель нейронной сети с одним скрытым слоем работала лучше, чем модель без этого скрытого слоя. Почему? Одна из причин заключается в том, что нейронная сеть может изучать нелинейные отношения между входом и выходом. Также в машинном обучении для эффективного предсказания нам часто нужны линейные комбинации наших исходных функций.

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:





2024-11-22 00:25:01