Matematyka i architektura głębokiego uczenia

Matematyka i architektura głębokiego uczenia

Dowiedz się, co dzieje się wewnątrz czarnej skrzynki! Aby korzystać z głębokiego uczenia, musisz przygotować dane, wybrać odpowiedni model, wytrenować go, ocenić jakość i precyzję oraz przewidzieć przetwarzanie niepewności i zmienności w wyjściowych danych zrealizowanego rozwiązania. Ta książka krok po... kroku wprowadza w podstawowe koncepcje matematyczne, które będą przydatne jako ekspert danych, — w rachunku wektorowym, algebrze liniowej i wnioskowaniu bayesowskim, przedstawiając je z perspektywy głębokiego uczenia.
Autorzy tłumaczą matematykę, teorię i zasady budowy modeli głębokiego uczenia, a następnie pokazują zastosowanie teorii w praktyce, przytaczając fragmenty kodu programowego w Pythonie z szczegółowymi komentarzami. W książce przejdziesz drogę od podstaw algebry, rachunku i statystyki do nowoczesnych architektur głębokiego uczenia, będących wynikiem najnowszych badań.

1. Książka krok po kroku wprowadza w podstawowe koncepcje matematyczne, które będą przydatne jako ekspert danych.
2. Podstawowe zasady projektowania sieci neuronowych.
3. Realizacja głębokiego uczenia w Pythonie z pomocą PyTorch.
4. Regularizacja i optymalizacja nieefektywnych modeli.
5. Dowiedz się, co dzieje się wewnątrz czarnej skrzynki!

Czytaj więcej

Autor: Кришнанду Чаудхури

Wydawnictwo: piter

Seria: Biblioteka programisty

Ograniczenia wiekowe: 16+

Rok wydania: 2025

ISBN: 9785446141678

Liczba stron: 576

Rozmiar: 233х165х30 mm

Typ osłony: Soft

Waga: 889 g

ID: 1721924

Dowiedz się, co dzieje się wewnątrz czarnej skrzynki! Aby korzystać z głębokiego uczenia, musisz przygotować dane, wybrać odpowiedni model, wytrenować go, ocenić jakość i precyzję oraz przewidzieć przetwarzanie niepewności i zmienności w wyjściowych danych zrealizowanego rozwiązania. Ta książka krok po kroku wprowadza w podstawowe koncepcje matematyczne, które będą przydatne jako ekspert danych, — w rachunku wektorowym, algebrze liniowej i wnioskowaniu bayesowskim, przedstawiając je z perspektywy głębokiego uczenia.
Autorzy tłumaczą matematykę, teorię i zasady budowy modeli głębokiego uczenia, a następnie pokazują zastosowanie teorii w praktyce, przytaczając fragmenty kodu programowego w Pythonie z szczegółowymi komentarzami. W książce przejdziesz drogę od podstaw algebry, rachunku i statystyki do nowoczesnych architektur głębokiego uczenia, będących wynikiem najnowszych badań.

1. Książka krok po kroku wprowadza w podstawowe koncepcje matematyczne, które będą przydatne jako ekspert danych.
2. Podstawowe zasady projektowania sieci neuronowych.
3. Realizacja głębokiego uczenia w Pythonie z pomocą PyTorch.
4. Regularizacja i optymalizacja nieefektywnych modeli.
5. Dowiedz się, co dzieje się wewnątrz czarnej skrzynki!