Ако имате любопитство към изкуствения интелект и машинното обучение, но не знаете откъде да започнете, това е книгата, която чакате. Фокусирайки се върху подсектора на машинното обучение, наречен дълбоко обучение, обяснява основните концепции и ви дава необходимите основи, за да започнете да създавате свои модели.

Вместо просто да предоставя рецепти за използване на съществуващи инструменти, Практично дълбоко обучение, 2-ро издание ви учи защо е важно дълбокото обучение и ще ви вдъхнови да изследвате по-напред. Единственото, което е необходимо, е основно познание по програмиране и математика от гимназията – книгата ще покрие останалото.

След като направите въведение в Python, ще преминете към основни теми като как да създадете добър набор за обучение, да работите с библиотеките scikit-learn и Keras и да оцените представянето на вашите модели.

Ще научите: как да използвате класически модели на машинното обучение като k-Най-близки съседи, Random Forest и Support Vector Machines, как работят невронните мрежи и как се обучават, как да използвате конволюционните невронни мрежи, както и как да разработите успешен модел за дълбоко обучение отначало. Ще провеждате експерименти по пътя, изграждайки в края казус, който обединява всичко, което сте научили.

Тази втора версия е напълно преработена и актуализирана, добавяйки шест нови глави, за да продължите изследването си в дълбокото обучение, от основните CNN до по-сложни модели. Новите глави покриват подробната настройка, трансферното обучение, детекцията на обекти, семантичното сегментиране, мултиетикетиране, ненадзорното обучение, генетичните конкуриращи се мрежи и големите езикови модели.

Перфектното въведение в тази динамична, постоянно разширяваща се област, Практично дълбоко обучение, 2-ро издание ще ви даде уменията и увереността да се потопите във вашите собствени проекти по машинно обучение.

Страници: 624, Размери: 17.7x17.7см