Глубокое обучение (цветная) (Бенджио Иошуа, Гудфеллоу Ян, Курвилль Аарон) ; ДМК-Пресс, 2018

от 1272 р. до 23836 р.

Автор(ы): Бенджио Иошуа; Гудфеллоу Ян; Курвилль Аарон;
Издатель: ДМК-Пресс
ISBN: 978-5-97060-618-6
все характеристики
ID: SKU85981
Добавлено: 15.08.2021

Рейтинг:

(4.7/5)

Отзывы (10) Написать отзыв

Цены (6)Описание Содержание Видео обзоры О книге Отзывы (10)

Сравнить цены

Цена от 1272 р. до 23836 р. в 6 магазинах

Магазин	Цена	Наличие
Лабиринт 5/5 ООО "ЛАБИРИНТ.РУ" ИНН: 7728644571	3398 р. 4854 р. история цены
Буквоед 5/5 ООО «Новый Книжный Центр» ИНН: 7710422909	4619 р. Минимальная сумма заказа 100 рублей история цены	наличие уточняйте 15.05.2024
ЛитРес 5/5 ООО"Литрес" ИНН: 7719571260	1272 р. 1590 р. электронная книга \| скачать фрагмент история цены
Book24 5/5 ООО "Новый Книжный Центр" ИНН: 7710422909	4619 р. история цены
МАЙШОП 5/5 ООО "МАГАЗИН КНИГ" ИНН: 9725076959	3036 р. 4531 р. история цены
Мегамаркет 5/5 ООО "МАРКЕТПЛЕЙС" ИНН: 9701048328	23836 р. история цены
Читай-город 5/5 ООО "Новый Книжный Центр" ИНН: 7710422909

Как купить или где мы находимся +

Описание

Основы прикладной математики и машинного обучения
Теория вероятности и теория информации
Оценка максимального правдоподобия
Современные подходы к глубоким сетям
Регуляризация в глубоком обучении
Оптимизация в обучении глубоких моделей
Моделирование последовательностей
Исследования по глубокому обучению
Структурные вероятностные модели в глубоком обучении
Преодоление трудностей, связанных со статической суммой
Глубокое обучение - это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры.
Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.
Книга издана в цвете и в твердом переплете.
2-е цветное издание, исправленное.

Смотри также Характеристики.

Яндекс.Маркет

Содержание

Веб-сайт
Благодарности
Обозначения
Глава 1. Введение
Часть I. Основы прикладной математики и
машинного обучения
Глава 2. Линейная алгебра
Глава 3. Теория вероятности и теория информации
Глава 4. Численные методы
Глава 5. Основы машинного обучения
Часть II. Глубокие сети: современные подходы
Глава 6. Глубокие сети прямого распространения
Глава 7. Регуляризация в глубоком обучении
Глава 8. Оптимизация в обучении глубоких моделей
Глава 9. Сверточные сети
Глава 10. Моделирование последовательностей:
рекуррентные и рекурсивные сети
Глава 11. Практическая методология
Глава 12. Приложения
Часть III. Исследования по глубокому обучению
Глава 13. Линейные факторные модели
Глава 14. Автокодировщики
Глава 15. Обучение представлений
Глава 16. Структурные вероятностные модели в
глубоком обучении
Глава 17. Методы Монте-Карло
Глава 18. Преодоление трудностей, связанных со
статической суммой
Глава 19. Приближенный вывод
Глава 20. Глубокие порождающие модели
Список литературы
Предметный указатель

Видео обзоры (1)

О книге


Автор(ы)	Бенджио Иошуа, Гудфеллоу Ян, Курвилль Аарон
Раздел	Программирование
Издатель	ДМК-Пресс
ISBN	978-5-9706-0618-6
Год издания	2018
Количество страниц	652
Формат	170x240мм
Вес	1.17кг
Возрастные ограничения	12
Кол-во страниц	652
Переплет	70х100/16
Размеры	70x100/16
Язык издания	Русский
Обложка	твердый переплёт
Возрастное ограничение	16+
Тип обложки	твердая
Издательство	ДМК Пресс
Жанр	программирование

Отзывы (10)

Денис Лесник
- 1 июня 2020

5/5

Книга – одна из самых лучших, что я встретил на пути изучения нейронных сетей. Во-первых, напоминаются математические основы машинного обучения. Именно напоминаются. Я потратил не один вечер на отдельные учебники по математике, чтобы вспомнить конкретные темы в достаточном качестве. Но в этой книге они даются в нужном порядке и по делу.
Это явно не публицистика, так как внутри много хардкорных вещей.
Ну и уже после прочтения половины книги я понял, что Гудфеллоу – это тот самый Ian Goodfellow, книги которого рекомендуются к прочтению при изучении темы.
0 0
Егор Петров
- 7 марта 2020

4/5

Эта книга чрезвычайно переоценена. Она плохо структурирована, объяснения простых вещей сделаны максимально сложными.

Ощущение такое что три автора просто скинули вместе имеющиеся материалы для университетсткого курса, плюс дополнили их крайне поверхностными (но при этом все равно трудным для чтения) обзором литературы.

Попытка привязать графические модели типа байесовских сетей к нейронным сетям тоже выглядит как упражнение, возможно интересное авторам книги, но вовсе не обязательное и не приносящее, на мой взгляд, никакой практической пользы.

Ставлю 8/10 только из уважения к авторам.
0 0
Никита Ильиных
- 16 декабря 2019

5/5

Отличная книга для тех, кто хочет погрузиться в математический мир глубокого обучения. Начинал читать на официальном сайте на английском, хотел продолжить на литресе на русском, но меня удивило, что перевод стоит приличных денег.
0 0