Share |

вторник, 19 сентября 2017 г.

Глубокое обучение


Представляю новую книгу от  интернет-магазина КТК "Галактика".

Глубокое обучение

Глубокое обучение
Достаточно сказать, что это перевод книги издательства "The MIT Press".
Рецензия на книгу :
«Книга написана ведущими специалистами в этой области и представляет собой единственное полное изложение предмета».- Илон Маск, сооснователь компаний Tesla и SpaceX
Written by three experts in the field, Deep Learning is the only comprehensive book on the subject." -- Elon Musk, cochair of OpenAI; cofounder and CEO of Tesla and SpaceX:

  • Основы прикладной математики и машинного обучения
  • Теория вероятности и теория информации
  • Оценка максимального правдоподобия
  • Современные подходы к глубоким сетям
  • Регуляризация в глубоком обучении
  • Оптимизация в обучении глубоких моделей
  • Моделирование последовательностей
  • Исследования по глубокому обучению
  • Структурные вероятностные модели в глубоком обучении
  • Преодоление трудностей, связанных со статической суммой. 

АННОТАЦИЯ К КНИГЕ

Классический труд от MIT Press теперь на русском языке!

Глубокое обучение — это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Поскольку компьютер приобретает знания из опыта, отпадает нужда в человеке-операторе, который формально описывает необходимые компьютеру знания. Иерархическая организация позволяет компьютеру обучаться сложным концепциям, конструируя их из более простых; граф такой иерархии может содержать много уровней. В этой книге читатель найдет широкий обзор тем, изучаемых в глубоком обучении.
Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей, и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры. Наконец, описываются перспективные направления исследований: линейные факторные модели, автокодировщики, обучение представлений, структурные вероятностные модели, методы Монте-Карло, статистическая сумма, приближенный вывод и глубокие порождающие модели.
Издание будет полезно студентами и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.
С этой книгой надо обязательно покупать:
  1. Введение в статистическое обучение с примерами на языке R - это базовая книга от стенфордских профессоров. С нее можно начинать любому. И не важно, что вы хотите работать в Python, а не R - эта самая полная, важная и полезная книга по основам статистики. Содержит уроки по R с кодом. Также есть одноименный курс по книге на сайте Стенфордского университета. 
  2. Python и машинное обучение Себастьяна Рашки. Если Вы начинаете осваивать или в процессе освоения машинного обучения на Python, то лучше книги Рашки сложно что-то найти. Показаны большинство алгоритмов, включая, кстати, нейронные сети, разбираются преимущества, особенности различных алгоритмов, вопросы и проблемы создания моделей и т.п..

Комментариев нет:

Отправить комментарий

Популярные сообщения