Основы глубокого обучения. Создание алгоритмов для искусственного интеллекта следующего поколения
-17%
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.
ID товара
2774058
Издательство
Манн, Иванов и Фербер
Серия
МИФ. IT
Год издания
2019
ISBN
978-5-00146-472-3
Количество страниц
304
Размер
1.8x17.5x23.5
Тип обложки
Мягкий переплёт
Тираж
2000
Вес, г
529
Возрастные ограничения
16+
2 013 ₽
2 429 ₽
+ до 301 бонуса
В наличии
В магазины сети, бесплатно
ЗавтраАдреса магазинов
Другие способы доставки
за 2 299 ₽ сегодня
Отзывы
15 бонусов
за полезный отзыв длиной от 300 символов
15 бонусов
если купили в интернет-магазине «Читай-город»
3.0
Иван
21.10.2023
Плюсы
хорошая печать
Минусы
скомканность информации
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, 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.
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.
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.