Глибоке навчання і генеративне моделювання. Як
- Час доставки: 7-10 днів
- Стан товару: новий
- Доступна кількість: 7
Заказывая «Глубокое обучение и генеративное моделирование. Как», вы можете быть уверены, что данное изделие из каталога «E-бизнес» вы получите через 5-7 дней после оплаты. Товар будет доставлен из Европы, проверен на целостность, иметь европейское качество.
Глибоке навчання та генеративне моделювання. Як навчити комп’ютер малювати, писати, складати та грати
Автор: Девід Фостер
Видавець: Геліон
Рік видання: 2021
Переклад: Radosław Meryk
ISBN: 978-83 -283-7283 -2
Формат: 168x237
Обкладинка: м'яка
Сторінок: 264
Книга нова
Ціна обкладинки книги: 67,00 злотих > акційну ціну можна знайти у нас аукціон!
Методи глибокого навчання розвиваються вражаючими темпами, а нейронні мережі використовуються в різних галузях. Дедалі частіше комп’ютери виконують завдання, які донедавна були зарезервовані для людей. Хорошим прикладом є створення творів мистецтва: останні досягнення в генеративному моделюванні дозволяють машинам створювати оригінальні зображення в певному стилі, писати послідовні абзаци тексту, складати приємну музику та генерувати правдоподібні сценарії подій. Ця «генеративна революція» вже почалася, і її наслідки перевищують найсміливішу уяву.
Ця книга є практичним посібником для інженерів машинного навчання та науковців з даних. У ній чітко та доступно обговорюються фундаментальні питання теорії генеративного моделювання, а потім представлені методи, які використовуються для побудови генеративних моделей, включаючи загальний опис глибокого навчання, варіаційних автокодерів і генеративних змагальних мереж (GAN). На цій основі — за допомогою бібліотеки Keras — показано внутрішню роботу кожної з цих технік, у тому числі найбільш інноваційних архітектур. Описано покрокові методи вирішення творчих завдань, таких як малювання, написання та створення музики, а також використання генеративного моделювання для оптимізації ігрових стратегій (світові моделі).
У книзі серед іншого:
- робота варіаційних автокодерів
- створення GAN, включаючи CycleGAN і MuseGAN
- рекурсивні генеративні моделі для створення тексту та механізми уваги
- генеративні моделі в навчальних середовищах Reinforcement
- Архітектура трансформатора (BERT, GPT-2) і моделі генерації зображень