Технология глубокого обучения не настолько сложна, как многие считают. До недавнего времени на ее изучение уходили годы, но с появлением таких фреймворков, как Keras и TensorFlow, инженеры-программисты, не имеющие опыта в данной области, могут быстро начать создавать рабочие приложения. Благодаря готовым примерам, приведенным в книге, вы научитесь решать задачи, связанные с классификацией и генерированием текста, изображений и музыки.В каждой главе описывается несколько решений, объединяемых в единый проект, например приложение, реализующее тренировку музыкальной рекомендательной системы. Также имеется глава с описанием методик, которые в случае необходимости помогут выполнить отладку нейронной сети. Все примеры написаны на языке Python и доступны в виде набора блокнотов.Основные темы книги:Использование векторных представлений слов для вычисления схожести текстовПостроение рекомендательной системы фильмов на основе ссылок в ВикипедииВизуализация внутренних состояний нейронной сетиСоздание модели, рекомендующей эмодзи для фрагментов текстаПовторное использование предварительно обученных сетей для создания службы обратного поиска изображенийГенерирование пиктограмм с помощью генеративно-состязательных сетей (GAN), автокодировщиков и рекуррентных сетей (RNN)Распознавание музыкальных жанров и индексирование коллекций песенДавид Осинга — опытный инженер-программист, ранее работавший в Google, основатель трех стартапов.Ведет популярный сайт программных проектов, посвященный в том числе машинному обучению.
Глубокое обучение: готовые решения
Искусство и искусствоведениеТехнология глубокого обучения не настолько сложна, как многие считают. До недавнего времени на ее изучение уходили годы, но с появлением таких фреймворков, как Keras и TensorFlow, инженеры-программисты, не имеющие опыта в данной области, могут быстро начать создавать рабочие приложения. Благодаря готовым примерам, приведенным в книге, вы научитесь решать задачи, связанные с классификацией и генерированием текста, изображений и музыки.В каждой главе описывается несколько решений, объединяемых в единый проект, например приложение, реализующее тренировку музыкальной рекомендательной системы. Также имеется глава с описанием методик, которые в случае необходимости помогут выполнить отладку нейронной сети. Все примеры написаны на языке Python и доступны в виде набора блокнотов.Основные темы книги:Использование векторных представлений слов для вычисления схожести текстовПостроение рекомендательной системы фильмов на основе ссылок в ВикипедииВизуализация внутренних состояний нейронной сетиСоздание модели, рекомендующей эмодзи для фрагментов текстаПовторное использование предварительно обученных сетей для создания службы обратного поиска изображенийГенерирование пиктограмм с помощью генеративно-состязательных сетей (GAN), автокодировщиков и рекуррентных сетей (RNN)Распознавание музыкальных жанров и индексирование коллекций песенДавид Осинга — опытный инженер-программист, ранее работавший в Google, основатель трех стартапов.Ведет популярный сайт программных проектов, посвященный в том числе машинному обучению.
$0.00
Нет в наличии
Вес | 15 oz |
---|---|
Габариты | 8.5 × 5.7 × 1.0 in |
Формат | 70×100/16 |
Издательство | |
Переплет | Мягкий переплет |
Автор | |
Стандарт | 10 |
Дата получения | 01.11.2019 |
Год выпуска | |
Количество страниц | 288 |
SKU | 9226600 |
Формат, мм | 170×240 |