Читать фрагмент

книга

Основы глубокого обучения

В состав входит краткое содержание всех глав книги и полнотекстовый перевод одной главы с сохранением терминологической точности и академического стиля.

Глубокое обучение — это динамично развивающаяся область, играющая ключевую роль в современном цифровом мире. Книга «Основы глубокого обучения» (англ.: Understanding Deep Learning) предлагает всестороннее, понятное и актуальное изложение предмета, охватывающее как фундаментальные темы, так и последние достижения, включая передовые концепции.Саймон Принс фокусируется на самых важных идеях, представляя критически значимую информацию в интуитивно понятной и легко усваиваемой форме. От основ машинного обучения до сложных моделей — каждая концепция сначала объясняется простым языком, затем строго формализуется математически и дополняется наглядными иллюстрациями. В результате получился ясный и самодостаточный учебник, подходящий для всех, кто имеет базовые знания в прикладной математике.

Форматы: PDF

Серия: ИИ, нейросети, медиа, компьютерные науки

Издательство: MIT Press

Год: 2023

Страниц: 70

Артикул: 109821

Электронная книга

350 ₽

Купить и скачать

Подписаться на блок Express-translation

Оформить подписку

Аудиокнига

150 ₽

Купить и скачать

Содержание

Содержание книги "Основы глубокого обучения : краткое содержание всех глав книги и полный перевод одной главы"

Об авторе

Содержание книги

Краткое содержание глав

Глава 1. Введение (стр. 1-16)

Глава 2. Обучение с учителем (стр. 17-24)

Глава 3. Неглубокие нейронные сети (стр. 25-40)

Глава 4. Глубокие нейронные сети (стр. 41-55)

Глава 5. Функции потерь (стр. 56-76)

Глава 6. Обучение моделей (стр. 77-95)

Глава 7. Градиенты и инициализация параметров (стр. 96-117)

Глава 8. Оценка производительности моделей (стр. 118-137)

Глава 9. Регуляризация (стр. 138-160)

Глава 10. Сверточные нейронные сети: краткое содержание (стр. 161-185)

Глава 11. Остаточные сети (стр. 186-206)

Глава 12. Трансформеры (стр. 207-239)

Глава 13. Графовые нейронные сети (стр. 240-267)

Глава 14. Обучение без учителя (стр. 269-275)

Глава 15. Генеративно-состязательные сети (стр. 276-303)

Глава 16. Нормализующие потоки (стр. 304-326)

Глава 17. Вариационные автокодировщики (стр. 327-348)

Глава 18. Диффузионные модели (стр. 349-373)

Глава 19. Обобщающая способность в глубоком обучении (стр. 374-401)

Глава 20. Почему глубокое обучение работает? (стр. 402-420)

Глава 21. Глубокое обучение и этика (стр. 421-436)

Глава 22. Система обозначений (стр. 437-439)

Глава 23. Математика (стр. 440-448)

Глава 24. Теория вероятностей (стр. 449-462)

Полный перевод фрагмента

Внимание!
При обнаружении неточностей или ошибок в описании книги "Основы глубокого обучения = Understanding Deep Learning (автор Саймон Дж. Д. Принс)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!