Uczenie głębokie od zera. Podstawy implementacji w Pythonie

Uczenie głębokie (ang. deep learning) zyskuje ostatnio ogromną popularność. Jest to ściśle związane z coraz częstszym zastosowaniem sieci neuronowych w przeróżnych branżach i dziedzinach. W konsekwencji inżynierowie oprogramowania, specjaliści do spraw przetwarzania danych czy osoby w praktyce zajmujące się uczeniem maszynowym muszą zdobyć solidną wiedzę…

  • Autor: Seth Weidman
  • Ilość stron: 248
  • Tytuł oryginału: Deep Learning from Scratch: Building with Python from First Principles
  • Wydawnictwo: Helion
  • Numer ISBN: 978-83-283-6597-1
  • Data wydania: 2020-05-29

Uczenie głębokie (ang. deep learning) zyskuje ostatnio ogromną popularność. Jest to ściśle związane z coraz częstszym zastosowaniem sieci neuronowych w przeróżnych branżach i dziedzinach. W konsekwencji inżynierowie oprogramowania, specjaliści do spraw przetwarzania danych czy osoby w praktyce zajmujące się uczeniem maszynowym muszą zdobyć solidną wiedzę o tych zagadnieniach. Przede wszystkim trzeba dogłębnie zrozumieć podstawy uczenia głębokiego. Dopiero po uzyskaniu biegłości w posługiwaniu się poszczególnymi koncepcjami i modelami możliwe jest wykorzystanie w pełni potencjału tej dynamicznie rozwijającej się technologii.

Ten praktyczny podręcznik, poświęcony podstawom uczenia głębokiego, zrozumiale i wyczerpująco przedstawia zasady działania sieci neuronowych z trzech różnych poziomów: matematycznego, obliczeniowego i konceptualnego. Takie podejście wynika z faktu, że dogłębne zrozumienie sieci neuronowych wymaga nie jednego, ale kilku modeli umysłowych, z których każdy objaśnia inny aspekt działania tych sieci. Zaprezentowano tu również techniki implementacji poszczególnych elementów w języku Python, co pozwala utworzyć działające sieci neuronowe. Dzięki tej książce stanie się jasne, w jaki sposób należy tworzyć, uczyć i stosować wielowarstwowe, konwolucyjne i rekurencyjne sieci neuronowe w różnych praktycznych zastosowaniach.

W książce między innymi:

matematyczne podstawy uczenia głębokiego
tworzenie modeli do rozwiązywania praktycznych problemów
standardowe i niestandardowe techniki treningu sieci neuronowych
rozpoznawanie obrazów za pomocą konwolucyjnych sieci neuronowych
rekurencyjne sieci neuronowe, ich działanie i implementacja
praca z wykorzystaniem biblioteki PyTorch
Uczenie głębokie: zrozum, zanim zaimplementujesz!

Oceny czytelników

Ta publikacja nie ma jeszcze ocen.

Dodaj pierwszą recenzję “Uczenie głębokie od zera. Podstawy implementacji w Pythonie”

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *