Uczenie głębokie fascynuje wielu inżynierów i praktyków. Mimo iż systemy oparte na uczeniu maszynowym stosuje się w rozlicznych branżach, wciąż są uważane za niepokojącą technologię. Szczególnie, w wypadku na przykład sieci neuronowych nie wiemy, czego starannie uczy się model.
Możemy tylko ocenić, czy prawidłowo realizuje swoje zadanie. Wydaje się, że w sposobie pracy algorytmów uczenia głębokiego tkwi magia. Właśnie dlatego korzystnie jest zająć się faktami i dowiedzieć się, na czym w rzeczywistości polega uczenie maszynowe, a zwłaszcza uczenie głębokie.
Ta książka jest przystępnym przewodnikiem po uczeniu maszynowym. By zrozumieć zawartą w niej treść, starczy podstawowa umiejętność programowania i znajomość matematyki na poziomie szkoły przeciętnej. Znalazło się tu omówienie podstawowych pojęć i wyjaśnienie mechanizmów rządzących uczeniem głębokim.
Dzięki lekturze dowiesz się, czym się charakteryzuje korzystny zbiór danych uczących, jak ocenić wydajność modelu i jak korzystać z takich modeli jak k-najbliższych sąsiadów, lasy losowe czy maszyna wektorów nośnych.
mnóstwo miejsca poświęcono na dodatek sieciom neuronowym, mechanizmom ich działania i technikom treningu. I lecz nie wyszukasz tutaj gotowych receptur, to zdobędziesz wiedzę potrzebną, by od podstaw zaprojektować działający model uczenia głębokiego.
W książce między innymi: budowanie prawidłowego zestawu informacji uczących praca z bibliotekami scikit-learn i Keras tradycyjne modele uczenia maszynowego mechanizm działania i uczenia sieci neuronowych modele wykorzystujące splotowe sieci neuronowe przygotowanie od podstaw działającego modelu Uczenie głębokie: przyszedł czas na Twój pierwszy model!
Powyższy opis pochodzi od wydawcy.
