|
Глубокое обучение с точки зрения практика
Паттерсон Дж. и др.
М.: ДМК Пресс - 2018. - 482 с.
ISBN 978-5-97060-481-6
Все, что должен знать разработчик-практик, чтобы приступить к применению глубокого обучения для решения реальных задач!
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
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.
Смотрите другие книги по теме:
1. Математические основы машинного обучения и прогнозирования.
Вьюгин В.В. М.: МЦНМО, 2018
2. Машинное обучение. Флах П. М.: ДМК Пресс, 2015
3. Верховный алгоритм. Педро Домингос. М.: Манн, Иванов и Фербер, 2016
4. Глубокое обучение. Гудфеллоу Я., Бенджио И., Курвилль А.
М.: ДМК Пресс, 2017
5. Машинное обучение с использованием библиотеки Н2О. Даррен Кук.
М.: ДМК Пресс, 2018
6. Глубокое обучение без математики. Основы. Гласснер Э.
М.: ДМК Пресс, 2019
|
