reklama - zainteresowany?

Deep Learning. Praktyczne wprowadzenie - Helion

Deep Learning. Praktyczne wprowadzenie
Autor: Josh Patterson, Adam Gibson
Tytuł oryginału: Deep Learning: A Practitioner's Approach
TÅ‚umaczenie: Andrzej Watrak
ISBN: 978-83-283-4227-9
stron: 456, Format: 170x230, okładka: miękka
Data wydania: 2018-07-24
Księgarnia: Helion

Cena książki: 53,90 zł (poprzednio: 77,00 zł)
Oszczędzasz: 30% (-23,10 zł)

Dodaj do koszyka Deep Learning. Praktyczne wprowadzenie

Tagi: Uczenie maszynowe

Technologie wykorzystujÄ…ce różne formy uczenia maszynowego zaczynajÄ… pojawiać siÄ™ w różnych branżach. MożliwoÅ›ci w tym zakresie stale rosnÄ…, podobnie jak zainteresowanie i oczekiwania. Przed podjÄ™ciem decyzji o wdrożeniu w firmie tego rodzaju rozwiÄ…zaÅ„ trzeba jednak zadać sobie pytanie, co można i co chciaÅ‚oby siÄ™ osiÄ…gnąć za pomocÄ… sieci neuronowej. Generalnie uczenie maszynowe opiera siÄ™ na algorytmach wyodrÄ™bniania informacji z surowych danych i reprezentowania ich jako modelu. Model ten nastÄ™pnie sÅ‚uży do przetwarzania kolejnych surowych danych. Co to jednak oznacza w praktyce i jak siÄ™ implementuje takie algorytmy?

Niniejsza książka jest przydatnym przewodnikiem po uczeniu maszynowym i sieciach neuronowych. Zawiera praktyczne informacje, które doceni każdy programista stawiajÄ…cy pierwsze kroki w tej dziedzinie. Przedstawiono tu podstawy deep learningu i wyjaÅ›niono takie pojÄ™cia, jak strojenie sieci, wielowÄ…tkowość, wektoryzowanie danych. Opisano, w jaki sposób można wykorzystać otwartÄ… bibliotekÄ™ Deeplearning4j (DL4J) do kodowania profesjonalnych procesów uczenia gÅ‚Ä™bokiego. Zaprezentowano metody i strategie trenowania sieci gÅ‚Ä™bokich i uruchamiania procesów uczenia gÅ‚Ä™bokiego w Å›rodowiskach Spark i Hadoop. Zagadnienia te zostaÅ‚y zilustrowane gotowymi do zastosowania, praktycznymi przykÅ‚adami.

W tej książce między innymi:

  • ogólne koncepcje uczenia maszynowego, uczenia gÅ‚Ä™bokiego i sieci neuronowych
  • ewolucja sieci neuronowych do sieci gÅ‚Ä™bokich i ich rodzaje
  • dobieranie rodzaju sieci do analizowanego zagadnienia
  • strojenie sieci neuronowych i sieci gÅ‚Ä™bokich
  • korzystanie z narzÄ™dzia DataVec do wektoryzowania danych różnych typów
  • stosowanie biblioteki DL4J w Å›rodowiskach Spark i Hadoop

Uczenie gÅ‚Ä™bokie i sieci neuronowe: przyszÅ‚ość, która dzieje siÄ™ dziÅ›!

Dodaj do koszyka Deep Learning. Praktyczne wprowadzenie

Spis treści

Deep Learning. Praktyczne wprowadzenie -- spis treści

Prolog (7)

Rozdział 1 (9)

Rozdział 2 (15)

Rozdział 3 (41)

Rozdział 4 (61)

Rozdział 5 (73)

Rozdział 6 (87)

Rozdział 7 (109)

Rozdział 8 (115)

Rozdział 9 (131)

Rozdział 10 (153)

Rozdział 11 (169)

Rozdział 12 (189)

Rozdział 13 (205)

Rozdział 14 (227)

Rozdział 15 (243)

Rozdział 16 (257)

Rozdział 17 (273)

Rozdział 18 (285)

Rozdział 19 (309)

Rozdział 20 (329)

Rozdział 21 (337)

Rozdział 22 (353)

Rozdział 23 (367)

Rozdział 24 (381)

Rozdział 25 (397)

Rozdział 26 (413)

Epilog (423)

Playlista (427)

Podziękowania (429)

Dodaj do koszyka Deep Learning. Praktyczne wprowadzenie

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2024 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.