Основы глубокого обучения

Глубокое обучение – это раздел машинного обучения, изучающий глубокие нейронные сети и выстраивающий процесс получения знаний на основе примеров. Такие крупные компании, как Google, Microsoft и Facebook, уделяют большое внимание глубокому обучению и расширяют свои подразделения в этой сфере. Для всех прочих глубокое обучение пока остается сложным, многогранным и малопонятным предметом. Цель этой книги – заполнить этот пробел. Авторы разбирают основные принципы решения задач в глубоком обучении...

Жанры

Рейтинг LiveLib

3,5

2 оценки

5
0%
4
50%
3
50%
2
0%
1
0%

Ваша оценка

Прочитали 3Хотят прочитать 19

Рецензии

lutra-lo
5 декабря 2020
Нейросети - метод, который мы заслужили
Симпатичная техническая книга без лишних отступлений и с множеством иллюстраций. Аннотация лукавит, заявляя, что книга проходит для знакомства широкой публики с миром машинного обучения. Наоборот, на первой странице предисловия указаны требования к читателям: базовое, но уверенное знание матана, работы с матрицами и Python. Книга знакомит с реальным машинным обучением, не только с его идеей и областями применения. В книге приводятся реальные таблицы данных, вот Х независимых переменных, попробуем вывести из них Y - а это все-таки отрасль мат.моделирования, так что без крепкой базы не обойтись, но для людей с подходящим бэкграундом книга может быть действительно полезна. Из всех подходов именно машинного обучения здесь исследуются нейросети, к ним отсылает название "глубокое обучение", deep learning. Другие методы не представлены, но зато нейросети раскрываются в деталях проектирования и на примерах применения. Целая книга про нейросети - кажется, что самый мощный и широко применимый метод заслуживает такого внимания. Как в хорошей компьютерной литературе, разумеется, есть ссылки на образцы кода.
Не ясно, как оценивать учебную литературу. Иногда мне было скучно, иногда трудно, что-то я так и не поняла. Удовольствие на четыре, но книга была мне очень полезна) Я разбираюсь в этой теме на онлайн курсах и пытаюсь применять в работе, и книга особенно понравилась тем, что в одном месте автор собирает и показывает развитие метода от первой идеи к современному разноплановому инструменту. Есть время обсудить алгоритмы, а не сразу же начинать их использовать. Рекомендую всем начинающим специалистам в машинном обучении и нейросетях.
Читать далее
2 понравилось
0
132