Гласснер Э. Глубокое обучение без математики. Том 2. Практика

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас. .Эта книга не похожа на большинство других учебников и руководств по глубокому обучению - в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи глубокого обучения и нейронных сетей. .Второй том посвящен нейронным сетях - быстро развивающемуся направлению машинного обучения. В первом томе, вышедшем в издательстве "ДМК Пресс" ранее, изложены фундаментальные основы глубокого обучения. .Издание предназначено для всех читателей, кто хочет использовать глубокое обучение в своей работе. Это программисты, инженеры, ученые, руководители, музыканты, врачи и все, кто хочет работать с большими объемами данных. . .

Гласснер Э. Глубокое обучение без математики. Том 2. Практика

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас. .Эта книга не похожа на большинство других учебников и руководств по глубокому обучению - в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи глубокого обучения и нейронных сетей. .Второй том посвящен нейронным сетях - быстро развивающемуся направлению машинного обучения. В первом томе, вышедшем в издательстве "ДМК Пресс" ранее, изложены фундаментальные основы глубокого обучения. .Издание предназначено для всех читателей, кто хочет использовать глубокое обучение в своей работе. Это программисты, инженеры, ученые, руководители, музыканты, врачи и все, кто хочет работать с большими объемами данных. . .

Гласснер Эндрю Глубокое обучение без математики. Том 2. Практика

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас. Эта книга не похожа на большинство других учебников и руководств по глубокому обучению - в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи глубокого обучения и нейронных сетей. Второй том посвящен нейронным сетях - быстро развивающемуся направлению машинного обучения. В первом томе, вышедшем в издательстве "ДМК Пресс" ранее, изложены фундаментальные основы глубокого обучения. Издание предназначено для всех читателей, кто хочет использовать глубокое обучение в своей работе. Это программисты, инженеры, ученые, руководители, музыканты, врачи и все, кто хочет работать с большими объемами данных.

Гласснер Э. Глубокое обучение без математики. Основы. Том 1

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас! Разработка и обучение собственных нейронных сетей Использование нейронных сетей для понимания данных и создания новых данных Присвоение описательных категорий текстам, изображениям и другим типам данных Предсказание последующих значений последовательности данных Исследование структуры ваших данных Обработка данных с максимальной эффективностью Восприятие новых знаний и идей и применение их на практике Получение удовольствия от обсуждения глубокого обучения с другими специалистами Эта книга не похожа на большинство других учебников и руководств по глубокому обучению - в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи и фундаментальные основы глубокого обучения и нейронных сетей. Издание предназначено для всех читателей, кто хочет использовать глубокое обучение в своей работе. Это программисты, инженеры, ученые, руководители, музыканты, врачи и все, кто хочет работать с большими объемами данных, извлекая из них полезную информацию или формируя новые данные. Продолжение книги будет посвящено практическому воплощению алгоритмов глубокого обучения.

Гласснер Э. Глубокое обучение без математики. Основы. Том 1

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас! Разработка и обучение собственных нейронных сетей Использование нейронных сетей для понимания данных и создания новых данных Присвоение описательных категорий текстам, изображениям и другим типам данных Предсказание последующих значений последовательности данных Исследование структуры ваших данных Обработка данных с максимальной эффективностью Восприятие новых знаний и идей и применение их на практике Получение удовольствия от обсуждения глубокого обучения с другими специалистами Эта книга не похожа на большинство других учебников и руководств по глубокому обучению - в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи и фундаментальные основы глубокого обучения и нейронных сетей. Издание предназначено для всех читателей, кто хочет использовать глубокое обучение в своей работе. Это программисты, инженеры, ученые, руководители, музыканты, врачи и все, кто хочет работать с большими объемами данных, извлекая из них полезную информацию или формируя новые данные. Продолжение книги будет посвящено практическому воплощению алгоритмов глубокого обучения.

Гласснер Эндрю Глубокое обучение без математики. Том 1. Основы

Если вы интересуетесь машинным обучением (Machine Learning) и глубоким обучением (Deep Learning), то этот двухтомник для вас! Разработка и обучение собственных нейронных сетей Использование нейронных сетей для понимания данных и создания новых данных Присвоение описательных категорий текстам, изображениям и другим типам данных Предсказание последующих значений последовательности данных Исследование структуры ваших данных Обработка данных с максимальной эффективностью Восприятие новых знаний и идей и применение их на практике Получение удовольствия от обсуждения глубокого обучения с другими специалистами Эта книга не похожа на большинство других учебников и руководств по глубокому обучению - в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи и фундаментальные основы глубокого обучения и нейронных сетей. Издание предназначено для всех читателей, кто хочет использовать глубокое обучение в своей работе. Это программисты, инженеры, ученые, руководители, музыканты, врачи и все, кто хочет работать с большими объемами данных, извлекая из них полезную информацию или формируя новые данные. Продолжение книги будет посвящено практическому воплощению алгоритмов глубокого обучения.

Траск Э. Грокаем глубокое обучение

Глубокое обучение — это раздел искусственного интеллекта, цель которого научить компьютеры обучаться с помощью нейронных сетей — технологии, созданной по образу и подобию человеческого мозга. Онлайн-переводчики, беспилотные автомобили, рекомендации по выбору товаров именно для вас и виртуальные голосовые помощники — вот лишь несколько достижений, которые стали возможны, благодаря глубокому обучению. "Грокаем глубокое обучение" научит конструировать нейронные сети с нуля! Эндрю Траск знакомит со всеми деталями и тонкостями этой нелегкой задачи. Python и библиотека NumPy способны научить ваши нейронные сети видеть и распознавать изображения, переводить любые тексты на все языки мира и даже писать не хуже Шекспира! Что вы найдете внутри книги ∙ Теоретические основы глубокого обучения ∙ Приемы создания и обучения нейронных сетей ∙ Работа с естественным языком ∙ Федеративное обучение и работа с конфиденциальными данными Вам не понадобятся специальные навыки, выходящие за рамки школьного курса математики и базовых навыков программирования

Грокаем глубокое обучение. Траск Э.

Траск Э. Грокаем глубокое обучение

Глубокое обучение — это раздел искусственного интеллекта, цель которого научить компьютеры обучаться с помощью нейронных сетей — технологии, созданной по образу и подобию человеческого мозга. Онлайн-переводчики, беспилотные автомобили, рекомендации по выбору товаров именно для вас и виртуальные голосовые помощники — вот лишь несколько достижений, которые стали возможны, благодаря глубокому обучению. "Грокаем глубокое обучение" научит конструировать нейронные сети с нуля! Эндрю Траск знакомит со всеми деталями и тонкостями этой нелегкой задачи. Python и библиотека NumPy способны научить ваши нейронные сети видеть и распознавать изображения, переводить любые тексты на все языки мира и даже писать не хуже Шекспира! Что вы найдете внутри книги ∙ Теоретические основы глубокого обучения ∙ Приемы создания и обучения нейронных сетей ∙ Работа с естественным языком ∙ Федеративное обучение и работа с конфиденциальными данными Вам не понадобятся специальные навыки, выходящие за рамки школьного курса математики и базовых навыков программирования

Глубокое обучение

Перед вами - первая книга о глубоком обучении, написанная на русском языке. Глубокие модели оказались ключом, который подходит ко всем замкам сразу: новые архитектуры и алгоритмы обучения, а также увеличившиеся вычислительные мощности и появившиеся огромные наборы данных, привели к революционным прорывам в компьютерном зрении, распознавании речи, обработке естественного языка и многих других типично "человеческих" задачах машинного обучения. Эти захватывающие идеи, вся история и основные компоненты революции глубокого обучения, а также самые современные достижения этой области, доступно и интересно изложены в книге. Максимум объяснений, минимум кода, серьезный материал о машинном обучении и увлекательное изложение - в этой уникальной работе замечательных российских ученых и интеллектуалов.

Глубокое обучение

Перед вами - первая книга о глубоком обучении, написанная на русском языке. Глубокие модели оказались ключом, который подходит ко всем замкам сразу: новые архитектуры и алгоритмы обучения, а также увеличившиеся вычислительные мощности и появившиеся огромные наборы данных, привели к революционным прорывам в компьютерном зрении, распознавании речи, обработке естественного языка и многих других типично "человеческих" задачах машинного обучения. Эти захватывающие идеи, вся история и основные компоненты революции глубокого обучения, а также самые современные достижения этой области, доступно и интересно изложены в книге. Максимум объяснений, минимум кода, серьезный материал о машинном обучении и увлекательное изложение - в этой уникальной работе замечательных российских ученых и интеллектуалов.

Бенджио Иошуа, Гудфеллоу Ян, Курвилль Аарон Глубокое обучение (цветная)

Основы прикладной математики и машинного обучения Теория вероятности и теория информации Оценка максимального правдоподобия Современные подходы к глубоким сетям Регуляризация в глубоком обучении Оптимизация в обучении глубоких моделей Моделирование последовательностей Исследования по глубокому обучению Структурные вероятностные модели в глубоком обучении Преодоление трудностей, связанных со статической суммой Глубокое обучение - это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры. Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ. Книга издана в цвете и в твердом переплете. 2-е цветное издание, исправленное.

Мюллер Джон Пол, Массарон Лука Глубокое обучение для чайников

В настоящее время глубокое обучение (Deep Learning) предоставляет средства для распознавания шаблонов в данных, которые являются движущей силой онлайнового бизнеса и общественных медиаплощадок. Книга «Глубокое обучение для чайников» предлагает вам сведения, помогающие снять покров тайны с этой темы, равно как и со всех связанных с ней внутренних технологий. В мгновение ока вам станут понятными все более и более запутанные алгоритмы, а вдобавок вы найдете простую и безопасную среду для экспериментирования с глубоким обучением. Книга «Глубокое обучение для чайников» даст высокоуровневое представление о том, что в точности способно делать глубокое обучение, и предложит примеры основных видов приложений глубокого обучения. Книга «Глубокое обучение для чайников»: включает примеры кода; предоставляет реальные примеры в рамках доступного повествования; предпринимает практические действия для облегчения усвоения материала; показывает, как более эффективно использовать глубокое обучение с помощью правильно выбранных инструментов. Книга «Глубокое обучение для чайников» великолепно подойдет тем, кто хочет лучше понять основы внутренних технологий, которыми мы пользуемся каждый день.

Паттерсон Дж., Гибсон А. Глубокое обучение с точки зрения практика

Все, что должен знать разработчик-практик, чтобы приступить к применению глубокого обучения для решения реальных задач! Интерес к машинному обучению зашкаливает, но завышенные ожидания нередко губят проекты еще на ранней стадии. Как машинное обучение - и особенно глубокие нейронные сети - может изменить вашу организацию? Эта книга не только содержит практически полезную информацию о предмете, но и поможет приступить к созданию эффективных сетей глубокого обучения. Авторы сначала раскрывают фундаментальные вопросы глубокого обучения - настройка, распараллеливание, векторизация, конвейеры операций - актуальные для любой библиотеки, а затем переходят к библиотеке Deeplearning4j (DL4J), предназначенной для разработки технологических процессов профессионального уровня. На реальных примерах читатель познакомится с методами и стратегиями обучения глубоких сетей с различной архитектурой и их распараллеливания в кластерах Hadoop и Spark. • Концепции машинного обучения вообще и глубокого обучения в частности • Эволюция глубоких сетей из нейронных • Основные архитектуры глубоких сетей, в т. ч. сверточные и рекуррентные нейронные сети • Как выбрать сеть, отвечающую поставленной задаче • Основы настройки нейронных сетей вообще и конкретных глубоких архитектур • Применение методов векторизации к данным различных типов

Паттерсон Джош, Гибсон Адам Глубокое обучение с точки зрения практика

Все, что должен знать разработчик-практик, чтобы приступить к применению глубокого обучения для решения реальных задач! Интерес к машинному обучению зашкаливает, но завышенные ожидания нередко губят проекты еще на ранней стадии. Как машинное обучение - и особенно глубокие нейронные сети - может изменить вашу организацию? Эта книга не только содержит практически полезную информацию о предмете, но и поможет приступить к созданию эффективных сетей глубокого обучения. Авторы сначала раскрывают фундаментальные вопросы глубокого обучения - настройка, распараллеливание, векторизация, конвейеры операций - актуальные для любой библиотеки, а затем переходят к библиотеке Deeplearning4j (DL4J), предназначенной для разработки технологических процессов профессионального уровня. На реальных примерах читатель познакомится с методами и стратегиями обучения глубоких сетей с различной архитектурой и их распараллеливания в кластерах Hadoop и Spark. Концепции машинного обучения вообще и глубокого обучения в частности Эволюция глубоких сетей из нейронных Основные архитектуры глубоких сетей, в т. ч. сверточные и рекуррентные нейронные сети Как выбрать сеть, отвечающую поставленной задаче Основы настройки нейронных сетей вообще и конкретных глубоких архитектур Применение методов векторизации к данным различных типов

Глубокое обучение с подкреплением: теория и практика на языке Python

Глубокое обучение с подкреплением (глубокое RL) сочетает в себе два подхода к машинному обучению. В ходе такого обучения виртуальные агенты учатся решать последовательные задачи о принятии решений. За последнее десятилетие было много неординарных достижений в этой области — от однопользовательских и многопользовательских игр, таких как го и видеоигры Atari и Dota 2, до робототехники.Эта книга — введение в глубокое обучение с подкреплением, уникально комбинирующее теорию и практику. Авторы начинают повествование с базовых сведений, затем подробно объясняют теорию алгоритмов глубокого RL, демонстрируют их реализации на примере программной библиотеки SLM Lab и напоследок описывают практические аспекты использования глубокого RL.Руководство идеально подойдет как для студентов, изучающих компьютерные науки, так и для разработчиков программного обеспечения, которые знакомы с основными принципами машинного обучения и знают Python.