Перед вами - первая книга о глубоком обучении, написанная на русском языке. Глубокие модели оказались ключом, который подходит ко всем замкам сразу: новые архитектуры и алгоритмы обучения, а также увеличившиеся вычислительные мощности и появившиеся огромные наборы данных, привели к революционным прорывам в компьютерном зрении, распознавании речи, обработке естественного языка и многих других типично "человеческих" задачах машинного обучения. Эти захватывающие идеи, вся история и основные компоненты революции глубокого обучения, а также самые современные достижения этой области, доступно и интересно изложены в книге. Максимум объяснений, минимум кода, серьезный материал о машинном о
- -17%
Глубокое обучение
Купили более 1 100 человек
Описание и характеристики
- Тип обложки Мягкий переплёт
- Кол-во стр. 480
- Вес 741 г
- Год издания 2025
- Издательство Питер
- Серия Библиотека программиста
- Автор Сергей Игоревич Николенко, Екатерина Олеговна Архангельская, Артур Аликович Кадурин
- Тип бумаги офсет
- Размер 2.2x16.5x23.3
- ID товара 2623146
- ISBN 978-5-4461-1537-2
- Возрастное ограничение 16+
Отзывы
Сначала новые
В первой части разбирается революция глубокого обучения, виды машинного обучения, особенности человеческого мозга и границы нейробиологии. Далее идут главы про перцептроны, сверточные сети, рекуррентные модели и автокодировщики. Мне понравился пример распознавания рукописных цифр на TensorFlow: простой и наглядный. Для тех кто хочет окунуться в ИИ это отличный старт.
Это одна из немногочисленных работ (машинное/глубокое обучение) по данной тематике на русском языке русскоязычными авторами (потому что остальные - это перевод). Хорошее соотношение теория/практика. Данная книга будет азбукой для начинающих специалистов и шпаргалкой для тех, кто работает по данной теме. Эту книгу можно рекомендовать.
Минусы
добавьте/замените tensorflow на pytorch
Солидный и полезный труд по глубокому обучению, который выделяется своим концептуальным подходом. Книга удачно избегает перегруженности кодом, делая акцент на понимании фундаментальных идей и истории развития области. Это особенно ценно для формирования общего контекста. Однако местами изложение становится излишне теоретическим, и нехватка практических примеров может осложнить непосредственное применение знаний для разработчиков, которые ожидают быстрого старта.
Плюсы
Глубокий концептуальный охват темы
Минимум кода, максимум объяснений
Увлекательное изложение истории и основ области
Фокус на понимании идей, а не на синтаксисе
Минимум кода, максимум объяснений
Увлекательное изложение истории и основ области
Фокус на понимании идей, а не на синтаксисе
Минусы
Недостаток практических примеров и пошаговых руководств
Изложение иногда слишком теоретическое для прикладных разработчиков
Не идеальна как первое руководство к немедленному действию
Изложение иногда слишком теоретическое для прикладных разработчиков
Не идеальна как первое руководство к немедленному действию
Данная книга больше предназначена для уже более-менее ознакомленных с темой машинного обучения специалистов в качестве дополнения к их знаниям. Но всë-таки интересные рассуждения и инструменты в книге присутствуют.
Плюсы
Доходчивая подача материала.
Минусы
Слишком много "воды". Кроме того, книга не даëт реальную базу для понимания темы с точки зрения даже алгоритмизации.