Основы прикладной математики и машинного обученияТеория вероятности и теория информацииОценка максимального правдоподобияСовременные подходы к глубоким сетямРегуляризация в глубоком обученииОптимизация в обучении глубоких моделейМоделирование последовательностейИсследования по глубокому обучениюСтруктурные вероятностные модели в глубоком обученииПреодоление трудностей, связанных со статической суммойГлубокое обучение — это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. 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.Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.Книга издана в цвете и в твердом переплете.2-е цветное издание, исправленное.
Глубокое обучение (Цветная)
Компьютерная литература для профессионалов, ПрочиеОсновы прикладной математики и машинного обученияТеория вероятности и теория информацииОценка максимального правдоподобияСовременные подходы к глубоким сетямРегуляризация в глубоком обученииОптимизация в обучении глубоких моделейМоделирование последовательностейИсследования по глубокому обучениюСтруктурные вероятностные модели в глубоком обученииПреодоление трудностей, связанных со статической суммойГлубокое обучение — это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. 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.Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.Книга издана в цвете и в твердом переплете.2-е цветное издание, исправленное.
$103.99
Вес | 45 oz |
---|---|
Габариты | 8.5 × 5.7 × 1.0 in |
ISBN | 978-5-97060-618-6 |
EAN | 9785970606186 |
Формат | 70×100/16 |
Издательство | |
Переплет | Твердый переплет |
Автор | |
Стандарт | 6 |
Год выпуска | |
Количество страниц | 652 |
SKU | 620686 |
Формат, мм\см | 170×240 |