Грокаем глубокое обучение

This document was uploaded by one of our users. The uploader already confirmed that they had the permission to publish it. If you are author/publisher or own the copyright of this documents, please report to us by using this DMCA report form.

Simply click on the Download Book button.

Yes, Book downloads on Ebookily are 100% Free.

Sometimes the book is free on Amazon As well, so go ahead and hit "Search on Amazon"

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! Что вы найдете внутри книги ∙ Теоретические основы глубокого обучения ∙ Приемы создания и обучения нейронных сетей ∙ Работа с естественным языком ∙ Федеративное обучение и работа с конфиденциальными данными Вам не понадобятся специальные навыки, выходящие за рамки школьного курса математики и базовых навыков программирования

Author(s): Эндрю Траск
Series: Библиотека программиста
Edition: 1
Publisher: Питер
Year: 2019

Language: Russian
Commentary: Scanned
Pages: 352
City: СПб.
Tags: Machine Learning; To Read; Neural Networks; Deep Learning; Natural Language Processing; Unsupervised Learning; Supervised Learning; Python; Convolutional Neural Networks; Recurrent Neural Networks; Gradient Descent; Regularization; Natural Language Understanting; Long Short-Term Memory; PyTorch; Overfitting; Parametric Learning; Nonparametric Learning; Activation Functions; Federated Learning; Batch Learning; Back-propagation