Deep Learning. Praktyczne wprowadzenie z zastosowa
- Время доставки: 7-10 дней
- Состояние товара: новый
- Доступное количество: 1
Приобретая «Deep Learning. Praktyczne wprowadzenie z zastosowa», вы можете быть уверены, что данный товар из каталога «E-бизнес» вы получите в срок 5-7 дней после оплаты. Товар будет доставлен из Европы, проверен на целостность, иметь европейское качество.
Глубокое обучение. Практическое введение в среду Python
Гелион Гливице
Еан: 9788328388598
- ISBN: 9788328388598
- Автор: Кнеузель Рональд
- Переплет: br
- Год публикации: 2022
- Формат: b5
- Страницы:< / б> 472
Глубокое обучение очаровывает многих инженеров и практиков. Несмотря на то, что системы, основанные на машинном обучении, используются в различных отраслях, они по-прежнему считаются тревожной технологией. Ведь в случае, например, нейронных сетей мы не знаем, чему именно обучается модель. Мы можем только оценить, хорошо ли он выполняет свою задачу. Кажется, в том, как работают алгоритмы глубокого обучения, есть волшебство. Вот почему полезно разобраться с фактами и выяснить, что на самом деле представляет собой машинное обучение, и особенно глубокое обучение.
Эта книга представляет собой доступное руководство по машинному обучению. Чтобы понять ее содержание, вам потребуются лишь базовые навыки программирования и знания математики на уровне средней школы. Происходит обсуждение основных концепций и объяснение механизмов, управляющих глубоким обучением. Прочитав, вы узнаете, что характеризует хороший набор обучающих данных, как оценить эффективность модели и как использовать такие модели, как k-ближайшие соседи, случайные леса или машина опорных векторов. Немало места также посвящено нейронным сетям, механизмам их работы и методикам обучения. И хотя вы не найдете здесь готовых рецептов, вы получите знания, необходимые для разработки работающей модели глубокого обучения с нуля.
В книге, среди прочего:
- создание хорошего набора обучающих данных
- работа с библиотеками scikit-learn и Keras
- классические модели машинного обучения
- механизм работы и обучения нейронных сетей
- модели с использованием сверточных нейронных сетей
- подготовка рабочей модели с нуля
Глубокое обучение: пришло время вашей первой модели!