Грокаем глубокое обучение, Траск Э., 2019

Грокаем глубокое обучение, Траск Э., 2019.

   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!




Машинное обучение без учителя.
Обучение без учителя группирует данные.
Обучение без учителя и обучение с учителем обладают одним общим свойством: они оба преобразуют один набор данных в другой. Но в обучении без учителя набор данных, в который происходит преобразование, прежде не был известен. В отличие от обучения с учителем, здесь нет «правильного ответа», который модель должна воспроизвести. Вы просто даете команду алгоритму «найти закономерности в этих данных и сообщить о них».

Например, кластеризация набора данных на группы — это разновидность обучения без учителя. Кластеризация преобразует последовательность точек данных в последовательность меток кластеров. Часто роль меток играют последовательные целые числа, например, в случае 10 кластерами будут созданы метки от 1 до 10. Каждая точка данных получит метку, в зависимости от того, к какому кластеру она будет отнесена. Набор данных, состоящий из точек, превратится в набор меток. Почему в качестве меток часто выбираются числа? Алгоритм ничего не может сказать о природе кластеров, он лишь сообщает вам: «Я обнаружил тут некоторые закономерности. Похоже, что ваши данные делятся на группы.

Оглавление.
Предисловие.
Благодарности.
О книге.
Кому адресована книга.
Структура.
Соглашения об оформлении кода и его загрузке.
Форум книги.
Об авторе.
От издательства.
1 Введение в глубокое обучение: зачем его изучать.
2 Основные понятия: как учатся машины?.
3 Введение в нейронное прогнозирование: прямое распространение.
4 Введение в нейронное обучение: градиентный спуск.
5 Корректировка сразу нескольких весов: обобщение градиентного спуска.
6 Создание первой глубокой нейронной сети: введение в обратное распространение.
7 Как изобразить нейронную сеть: в голове и на бумаге.
8 Усиление сигнала и игнорирование шума: введение в регуляризацию и группировку.
9 Моделирование случайности и нелинейности: функции активации.
10 Края и углы нейронного обучения: введение в сверточные нейронные сети.
11 Нейронные сети, понимающие человеческий язык: король - мужчина + женщина ==?.
12 Нейронные сети, которые пишут как Шекспир: рекуррентные слои для данных переменной длины.
13 Введение в автоматическую оптимизацию: создание фреймворка глубокого обучения.
14 Обучаем сеть писать как Шекспир: долгая краткосрочная память.
15 Глубокое обучение на конфиденциальных данных: введение в федеративное обучение.
16 Куда пойти дальше: краткий путеводитель.

Купить .



Хештеги: #учебник по программированию :: #программирование :: #Траск