Deep Learning. Praktyczne wprowadzenie
- Время доставки: 7-10 дней
- Состояние товара: новый
- Доступное количество: 15
Покупая «Deep Learning. Praktyczne wprowadzenie», вы получите заказываемую вещь из каталога «Программирование» в срок 5-7 дней после оплаты. Товар будет доставлен из Европы, проверен на целостность, иметь европейское качество.
Глубокое обучение. Практическое введение
Оригинальное название: Глубокое обучение. Практическое введение
Автор: Рон Кнеузель
Издатель: Helion
Год публикация: 2022
Перевод: Кшиштоф Савка
ISBN: 9788328388598
Формат: 165x228
Обложка: мягкая
Страниц: 472
Книга новая
Цена обложки книги: 99,00 злотых > Акционную цену можно найти на нашем аукционе!
Глубокое обучение привлекает 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 обратиться к фактам и узнать, 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 книгу вошли:
- построение хорошего набора обучающих данных
- работа с библиотеками scikit-learn и Keras
- классические модели машинного обучения
- механизм работы и обучение нейронных сетей
- li>
- модели с использованием сверточных нейронных сетей
- подготовка рабочей модели с нуля