Машинное обучение, От основ до продвинутых моделей, Принс С., 2025

Машинное обучение, От основ до продвинутых моделей, Принс С., 2025.
     
   Книга «Машинное обучение. От основ до продвинутых моделей» предлагает уникальный и доступный подход к пониманию одной из самых динамично развивающихся областей в мире технологий — машинного и глубокого обучения. Автор уделяет внимание как основным аспектам, так и последним достижениям в сфере Deep Learning. Это издание — идеальный помощник для тех, кто стремится к освоению современных методов машинного обучения и их практическому применению.
Книга предназначена тем, кто хочет начать путь в мир искусственного интеллекта и глубоких нейронных сетей, но также будет полезна опытным разработчикам, ищущим свежий взгляд на современные методы машинного обучения.




Глубокие нейронные сети.
В этой книге рассматриваются глубокие нейронные сети, которые являются особенно полезным типом модели машинного обучения. Это уравнения, которые могут представлять крайне широкое семейство отношений между входом и выходом, с ними особенно легко искать в этом семействе отношение, которое описывает обучающие данные.

Глубокие нейронные сети могут обрабатывать входы очень большого размера, переменной длины и содержащие самые разные виды внутренних структур. Они могут выдавать на выходе единичные вещественные числа (регрессия), множества чисел (многомерная регрессия) или вероятности двух или более классов (бинарная и многоклассовая классификации). Как мы увидим в следующем разделе, выходы тоже бывают большой размерности, или переменной длины, или содержать внутреннюю структуру. Возможно, трудно представить себе уравнения с такими свойствами, поэтому читателю следует постараться на время воздержаться от скептицизма.

ОГЛАВЛЕНИЕ.
Предисловие.
Благодарности.
Глава 1 Введение.
Глава 2 Обучение с учителем.
Глава 3 Неглубокие нейронные сети    
Глава 4 Глубокие нейронные сети     
Глава 5 Функции потерь    
Глава 6 Обучение моделей.
Глава 7 Градиенты и инициализация.
Глава 8 Измерение производительности    
Глава 9 Регуляризация    
Глава 10 Сверточные сети     
Глава 11 Остаточные сети.
Глава 12 Трансформеры.
Глава 13 Графовые нейронные сети.
Глава 14 Обучение без учителя.
Глава 15 Состязательные генеративные сети.
Глава 16 Нормализующие потоки.
Глава 17 Вариационные автокодировщики.
Глава 18 Диффузионные модели.
Глава 19 Обучение с подкреплением.
Глава 20 Почему глубокое обучение работает?.
Глава 21 Этика глубокого обучения.
Приложение A Нотация.
Приложение B Математика.
Приложение C Вероятность.
Библиография.
Алфавитный указатель.

Купить .



Хештеги: #учебник по информатике :: #информатика :: #компьютеры :: #Принс