Deep Learning. Praktyczne wprowadzenie


Код: 12710430226
1208 грн
Ціна вказана з доставкою в Україну
Товар є в наявності
ЯК ЕКОНОМИТИ НА ДОСТАВКЕ?
Замовляйте велику кількість товарів у цього продавця
Інформація
  • Час доставки: 7-10 днів
  • Стан товару: новий
  • Доступна кількість: 6

Приобретая «Deep Learning. Praktyczne wprowadzenie» данный товар из каталога «E-бизнес» вы можете быть уверены, что после оформления заказа, доставки в Украину, вы получите именно то, что заказывали, в оговоренные сроки и европейского качества.

Глибоке навчання. Практичний вступ із використанням середовища Python

Автор: Рон Кнеузел

Видавець: Helion

Рік видання: 2022

Переклад: Krzysztof Sawka

ISBN: 978-83-283-8859-8

Формат: 165x228

Обкладинка: м'яка

Сторінок: 472

Книга нова

99,00 злотих ---> 62,37 злотих

Глибоке навчання захоплює багатьох інженерів і практиків. Незважаючи на те, що системи, засновані на машинному навчанні, використовуються в різних галузях, вони все ще вважаються тривожною технологією. Дійсно, у випадку, наприклад, нейронних мереж, ми не знаємо, що саме вивчає модель. Ми можемо лише оцінити, чи добре він виконує своє завдання. Здається, у тому, як працюють алгоритми глибокого навчання, є магія. Ось чому варто ознайомитися з фактами та дізнатися, що таке машинне навчання, особливо глибоке навчання.

Ця книга є доступним посібником із машинного навчання. Щоб зрозуміти його зміст, потрібні лише базові навички програмування та знання математики на рівні середньої школи. Є обговорення основних понять і пояснення механізмів, що керують глибинним навчанням. Прочитавши, ви дізнаєтеся, що характеризує хороший навчальний набір даних, як оцінити ефективність моделі та як використовувати такі моделі, як k-найближчі сусіди, випадкові ліси чи машина опорних векторів. Також багато місця приділено нейронним мережам, механізмам їх роботи та методикам навчання. І хоча ви не знайдете тут готових рецептів, ви отримаєте знання, необхідні для розробки робочої моделі глибокого навчання з нуля.

Книга містить:

  • створення хорошого набору навчальних даних< /li>
  • робота з бібліотеками scikit-learn і Keras
  • класичні моделі машинного навчання
  • механізм роботи та навчання нейронних мереж
  • li>
  • моделі з використанням згорткових нейронних мереж
  • підготовка робочої моделі з нуля

Глибоке навчання: настав час для вашої першої моделі!