Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей. Книга делится на две части: в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике. Обучение — это путешествие длиной в жизнь, особенно в области искусственного интеллекта, где неизвестностей гораздо больше, чем определенности.
ЧАСТЬ I. ОСНОВЫ ГЛУБОКОГО ОБУЧЕНИЯ 25 Глава 1. Что такое глубокое обучение? 26 Глава 2. Прежде чем начать: математические основы нейронных сетей 51 Глава 3. Начало работы с нейронными сетями 81 Глава 4. Основы машинного обучения 120 ЧАСТЬ II. ГЛУБОКОЕ ОБУЧЕНИЕ НА ПРАКТИКЕ 147 Глава 5. Глубокое обучение в технологиях компьютерного зрения 148 Глава 6. Глубокое обучение для текста и последовательностей 210 Глава 7. Лучшие практики глубокого обучения продвинутого уровня 270 Глава 8. Генеративное глубокое обучение 307 Глава 9. Заключение 357 Приложение A. Установка Keras и его зависимостей в Ubuntu 384 Приложение B. Запуск Jupyter Notebook на экземпляре EC2 GPU 389
Название: Глубокое обучение на Python Автор: Шолле Ф. Год: 2018 Жанр: программирование Серия: Библиотека программиста Язык: Русский
Формат: pdf Качество: eBook Страниц: 400 Размер: 10 MB
Скачать Шолле Ф. - Глубокое обучение на Python (2018)
Xemera.At.Ua - информационный портал! Все ссылки на файлы, указанные на сайте взяты из открытых источников интернета и предоставлены пользователями нашего сайта исключительно в ознакомительных целях.
Если вы являетесь правообладателем какого либо материала и не желаете его свободного распространения, или считаете, что какой-либо из материалов нарушает Ваши авторские права - свяжитесь с Администрацией.
Владельцы и создатели данного сайта не несут ответственность за использование и содержание ссылок и информации, представленных на этом сайте.
Сайт оптимизирован для просмотра с разрешением 1024x768, 1280x800, 1280x1024 и 1600x1200 браузером FireFox или Opera