Глубокое обучение — машинное обучение, которое строится на идее обучения через примеры. Эта книга разбирает основные идеи этой сложной отрасли изучения искусственного интеллекта. Авторы ставят цель сформировать целостное представление о том, как решаются задачи в области глубокого обучения, какие понятия используются в этой среде и как внедрять соответствующие алгоритмы.
С оживлением нейросетей в 2000-е годы глубокое обучение стало чрезвычайно активно развивающейся областью исследования, прокладывающей путь современному машинному обучению. Эта книга предлагает примеры и толкования, которые помогут понять основные идеи в этой сложной отрасли знаний. Такие крупные компании, как Google, Micr
С оживлением нейросетей в 2000-е годы глубокое обучение стало чрезвычайно активно развивающейся областью исследования, прокладывающей путь современному машинному обучению. Эта книга предлагает примеры и толкования, которые помогут понять основные идеи в этой сложной отрасли знаний. Такие крупные компании, как Google, Micr
- -17%
Основы глубокого обучения. Создание алгоритмов для искусственного интеллекта следующего поколения
Купили 93 человека
Описание и характеристики
С оживлением нейросетей в 2000-е годы глубокое обучение стало чрезвычайно активно развивающейся областью исследования, прокладывающей путь современному машинному обучению. Эта книга предлагает примеры и толкования, которые помогут понять основные идеи в этой сложной отрасли знаний. Такие крупные компании, как Google, Microsoft и Facebook, обратили внимание на глубокое обучение и активно увеличивают штат своих подразделений, работающих в этой области. Для всех остальных оно остается все еще сложным, комплексным и трудноуловимым предметом. Исследования переполнены непонятным жаргоном, а разрозненные учебники, имеющиеся в сети, не дают должного представления о том, как решаются задачи в этой области. Цель этой книги — заполнить данный пробел.
- Тип обложки Мягкий переплёт
- Кол-во стр. 304
- Вес 552 г
- Год издания 2019
- Издательство Манн, Иванов и Фербер
- Серия МИФ. IT
- Автор Нихиль Будума
- Размер 1.9x17.7x23.5
- ID товара 2774058
- ISBN 978-5-00146-472-3
- Возрастное ограничение 16+
Отзывы
Сначала новые
Книга не об основах и, тем более, не об основаниях глубокого обучения. Это изданный непрофильным издательством сборник статей разных авторов (некоторые вовсе не указаны как авторы) о решении частных вопросов глубокого в 2017-2018 годах.
Плюсы
Книга - яркий пример того, что для цветных иллюстраций не нужна мелованная бумага.
Минусы
Непрофессиональные перевод и верстка текста программ.
Плохо сверстанная книга
В русском издании очень плохо сверстан код, с ошибками (неправильные отступы и т.д.). По теме машинного обучения весь слэнг русифицирован, что выглядит очень нелепо и в рабочей среде вообще не используется среди инженеров машинного обучения(например, фунцию softmax перевели как "мягкий максимум" и такое название тянется по всей книге). Формулы также написаны плохо(обычно намешан шрифт, то жирный, то обычный)
Плюсы
Цветные и качественные иллюстрации
Не советую брать книгу тем, что хочет погрузиться в машинное обучение.
Во-первых, она уже устарела. В книге приводится неактуальный обзор фреймворков глубокого обучения. А сам выбранный фреймворк TensorFlow уже шагнул далеко вперёд (на момент написания книги keras ещё даже не слился с TensorFlow ) и код, представленный в книге, будет работать далеко не всегда.
Во-вторых, информация подаётся очень скомкано. Через 30 страниц поверхностного описания сложных концепции, в том числе математических, авторы заключают: "теперь вы понимаете теорию моделей глубокого обучения"...
Подойдет просто в качестве путеводителя, но не в качестве учебного пособия.
Во-первых, она уже устарела. В книге приводится неактуальный обзор фреймворков глубокого обучения. А сам выбранный фреймворк TensorFlow уже шагнул далеко вперёд (на момент написания книги keras ещё даже не слился с TensorFlow ) и код, представленный в книге, будет работать далеко не всегда.
Во-вторых, информация подаётся очень скомкано. Через 30 страниц поверхностного описания сложных концепции, в том числе математических, авторы заключают: "теперь вы понимаете теорию моделей глубокого обучения"...
Подойдет просто в качестве путеводителя, но не в качестве учебного пособия.
Плюсы
хорошая печать
Минусы
скомканность информации