<ул> <ли> Издательство: Гелион <ли> Год выпуска: 2022. <ли> Переплет: буклет <ли> Формат: 170x231 мм <ли> Количество страниц: 472

<р> <б> Глубокое обучение <б> очаровывает многих инженеров и практиков. Несмотря на то, что системы, основанные на машинном обучении, используются в различных отраслях, они по-прежнему считаются тревожной технологией. Ведь в случае, например, нейронных сетей мы не знаем, чему именно обучается модель. Мы можем только оценить, хорошо ли он выполняет свою задачу. Кажется, в том, как работают алгоритмы глубокого обучения, есть волшебство. Вот почему полезно обратиться к фактам и выяснить, что на самом деле представляет собой машинное обучение, и особенно глубокое обучение.

<р> Эта книга представляет собой доступное руководство по машинному обучению. Чтобы понять ее содержание, вам потребуются лишь базовые навыки программирования и знания математики на уровне средней школы. Происходит обсуждение основных концепций и объяснение механизмов, управляющих глубоким обучением. Прочитав, вы узнаете, что характеризует хороший набор обучающих данных, как оценить эффективность модели и как использовать такие модели, как k-ближайшие соседи, случайные леса или машина опорных векторов. Немало места также посвящено нейронным сетям, механизмам их работы и методикам обучения. И хотя вы не найдете здесь готовых рецептов, вы получите знания, необходимые для разработки работающей модели глубокого обучения с нуля.

<р> В книгу входят, среди прочего:

<ул> <ли> создание хорошего набора обучающих данных <ли> работа с библиотеками scikit-learn и Keras <ли> классические модели машинного обучения <ли> механизм работы и обучения нейронных сетей <ли> модели с использованием сверточных нейронных сетей <ли> подготовка рабочей модели с нуля <р> Глубокое обучение: пришло время вашей первой модели!