Marcin Mazureknarzędzia online · artykuły · księgarniaRSS
Okładka: Deep Learning. Praktyczne wprowadzenieTylna okładka: Deep Learning. Praktyczne wprowadzenie

Deep Learning. Praktyczne wprowadzenie

Autor: Josh Patterson, Adam Gibson

Tłumacz: Andrzej Watrak

Helionebook

40,04 zł 77,00 zł -48%

Kup w księgarni Helion

Czytaj fragmentPobierz PDF

Kategorie
Deep Learning, Machine Learning
Wydawca
Helion
Rodzaj
ebook
Format
170x230
Stron
456
Data wydania
2018-07-24
ISBN
978-83-283-4228-6
Tytuł oryginału
Deep Learning: A Practitioner's Approach
Seria
Oddychając z trudem
Formaty
PDF (13,7MB) · ePub (14,4MB) · Mobi (14,4MB)

Fragment książki — 30 stron

Kliknij stronę, żeby powiększyć. Całość możesz przeczytać online albo pobrać jako PDF. Fragment udostępniony przez wydawcę.

  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 1 z 301
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 2 z 302
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 3 z 303
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 4 z 304
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 5 z 305
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 6 z 306
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 7 z 307
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 8 z 308
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 9 z 309
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 10 z 3010
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 11 z 3011
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 12 z 3012
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 13 z 3013
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 14 z 3014
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 15 z 3015
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 16 z 3016
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 17 z 3017
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 18 z 3018
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 19 z 3019
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 20 z 3020
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 21 z 3021
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 22 z 3022
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 23 z 3023
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 24 z 3024
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 25 z 3025
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 26 z 3026
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 27 z 3027
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 28 z 3028
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 29 z 3029
  • Fragment „Deep Learning. Praktyczne wprowadzenie” — strona 30 z 3030

Opis

Technologie wykorzystujące różne formy uczenia maszynowego zaczynają pojawiać się w różnych branżach. Możliwości w tym zakresie stale rosną, podobnie jak zainteresowanie i oczekiwania. Przed podjęciem decyzji o wdrożeniu w firmie tego rodzaju rozwiązań trzeba jednak zadać sobie pytanie, co można i co chciałoby się osiągnąć za pomocą sieci neuronowej. Generalnie uczenie maszynowe opiera się na algorytmach wyodrębniania informacji z surowych danych i reprezentowania ich jako modelu. Model ten następnie służy do przetwarzania kolejnych surowych danych. Co to jednak oznacza w praktyce i jak się implementuje takie algorytmy?

Niniejsza książka jest przydatnym przewodnikiem po uczeniu maszynowym i sieciach neuronowych. Zawiera praktyczne informacje, które doceni każdy programista stawiający pierwsze kroki w tej dziedzinie. Przedstawiono tu podstawy deep learningu i wyjaśniono takie pojęcia, jak strojenie sieci, wielowątkowość, wektoryzowanie danych. Opisano, w jaki sposób można wykorzystać otwartą bibliotekę Deeplearning4j (DL4J) do kodowania profesjonalnych procesów uczenia głębokiego. Zaprezentowano metody i strategie trenowania sieci głębokich i uruchamiania procesów uczenia głębokiego w środowiskach Spark i Hadoop. Zagadnienia te zostały zilustrowane gotowymi do zastosowania, praktycznymi przykładami.

W tej książce między innymi:

  • ogólne koncepcje uczenia maszynowego, uczenia głębokiego i sieci neuronowych
  • ewolucja sieci neuronowych do sieci głębokich i ich rodzaje
  • dobieranie rodzaju sieci do analizowanego zagadnienia
  • strojenie sieci neuronowych i sieci głębokich
  • korzystanie z narzędzia DataVec do wektoryzowania danych różnych typów
  • stosowanie biblioteki DL4J w środowiskach Spark i Hadoop

Uczenie głębokie i sieci neuronowe: przyszłość, która dzieje się dziś!

Linki do księgarni są linkami partnerskimi Grupy Helion i Księgarni PWN (przez sieć Adtraction). Ceny i dostępność pochodzą z oferty wydawcy i mogą się zmienić.