Глубокое обучение: легкая разработка проектов на Python
Взрывной интерес к нейронным сетям и искусственному интеллекту затронул уже все области жизни, и понимание принципов глубокого обучения необходимо каждому разработчику ПО для решения прикладных задач.
Эта практическая книга представляет собой вводный курс для всех, кто занимается обработкой данных, а также для разработчиков ПО. Вы начнете с основ глубокого обучения и быстро перейдете к более сложным архитектурам, создавая проекты с нуля. Вы научитесь использовать многослойные, сверточные и рекуррентные нейронные сети. Только понимая принцип их работы (от «математики» до концепций), вы сделаете свои проекты успешными.
В этой книге:
- Четкие схемы, помогающие разобраться в нейросетях, и примеры рабочего кода.
- Методы реализации многослойных сетей с нуля на базе простой объектно-ориентированной структуры.
- Примеры и доступные объяснения сверточных и рекуррентных нейронных сетей.
- Реализация концепций нейросетей с помощью популярного фреймворка PyTorch.
Эта практическая книга представляет собой вводный курс для всех, кто занимается обработкой данных, а также для разработчиков ПО. Вы начнете с основ глубокого обучения и быстро перейдете к более сложным архитектурам, создавая проекты с нуля. Вы научитесь использовать многослойные, сверточные и рекуррентные нейронные сети. Только понимая принцип их работы (от «математики» до концепций), вы сделаете свои проекты успешными.
В этой книге:
- Четкие схемы, помогающие разобраться в нейросетях, и примеры рабочего кода.
- Методы реализации многослойных сетей с нуля на базе простой объектно-ориентированной структуры.
- Примеры и доступные объяснения сверточных и рекуррентных нейронных сетей.
- Реализация концепций нейросетей с помощью популярного фреймворка PyTorch.
Жас шектеулері: 16+
Құқық иегері: Питер
Баспа: Питер
Аудармашылар: Сергей Черников, Изольда Рузмайкина
Қағаз беттер: 514
Пікірлер1
👍Ұсынамын
💡Танымдық
🎯Пайдалы
Легко читается, есть ссылка на git с материалами кода для разработки нейронок. Читать желательно в параллели с практикой. Раскрыты темы не только нейронок но и оптимизации и интерпретации данных в нейронные сетях.
Дәйексөздер130
• Нейронная сеть — это математическая функция, которая принимает входные и производит выходные данные.
• Нейронная сеть — это вычислительный граф, через который протекают многомерные массивы.
• Нейронная сеть состоит из слоев, каждый из которых может рассматриваться как ряд «нейронов».
• Нейронная сеть — это универсальный аппроксиматор функций, который теоретически может представить решение любой контролируемой проблемы обучения.
• Нейронная сеть — это вычислительный граф, через который протекают многомерные массивы.
• Нейронная сеть состоит из слоев, каждый из которых может рассматриваться как ряд «нейронов».
• Нейронная сеть — это универсальный аппроксиматор функций, который теоретически может представить решение любой контролируемой проблемы обучения.
Цепное правило (или правило дифференцирования сложной функции)в математическом анализе позволяет вычислять производную композиции двух и более функций на основе индивидуальных производных.
именно производные составных функций лежат в основе моделей глубокого обучения.
