ODBIERZ TWÓJ BONUS :: »

Głębokie uczenie. Wprowadzenie Jacek Tabor, Marek Śmieja, Łukasz Struski, Przemysław Spurek, Maciej Wołczyk

(ebook) (audiobook) (audiobook)
Autorzy:
Jacek Tabor, Marek Śmieja, Łukasz Struski, Przemysław Spurek, Maciej Wołczyk
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
4.0/6  Opinie: 5
Stron:
184
Druk:
oprawa miękka
Dostępny format:
     PDF
Czytaj fragment
Książka
34,20 zł 57,00 zł (-40%)
34,20 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
28,50 zł 57,00 zł (-50%)
28,50 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Analizowania modeli uczenia maszynowego i funkcji kosztu
  • Minimalizowania funkcji kosztu w procesie uczenia
  • Stosowania metod klastrowania, takich jak k-means
  • Przeprowadzania redukcji wymiarowości z użyciem PCA
  • Wykorzystywania estymacji gęstości w uczeniu nienadzorowanym
  • Budowania i ewaluacji modeli regresji liniowej
  • Oceniania skuteczności modeli klasyfikacyjnych
  • Rozróżniania klasyfikacji binarnej i wieloklasowej (SVM, regresja logistyczna)
  • Radzenia sobie z problemem niezbalansowanych klas
  • Tworzenia i stosowania funkcji kosztu w regresji i klasyfikacji
  • Wykorzystywania metod kernelowych i ich praktycznych zastosowań
  • Konstruowania i trenowania sieci neuronowych
  • Optymalizowania modeli z użyciem spadku gradientu i optymalizatora Adam
  • Stosowania technik regularyzacji i augmentacji danych
  • Budowania i dostrajania sieci konwolucyjnych (CNN, ResNet, U-Net)
  • Korzystania z rekurencyjnych sieci neuronowych, mechanizmu atencji i architektury Transformer

Opanuj podstawy uczenia maszynowego

Od mniej więcej piętnastu lat jesteśmy świadkami rewolucji w nauczaniu maszynowym na niesamowitą skalę. Rewolucji tej sprzyja intensywny rozwój głębokich sieci neuronowych oraz niezbędnego do tego sprzętu obliczeniowego, takiego jak karty graficzne. "Deep learning", "machine learning" - te słowa klucze rozpalają wyobraźnię programistów, innowatorów i przedstawicieli przemysłu na całym świecie. Także studentów kierunków politechnicznych. Na świecie wydaje się sporo literatury poświęconej tym zagadnieniom, w Polsce niestety mamy pod tym względem deficyt.

Niniejszy podręcznik, pomyślany jako wprowadzenie do tematu uczenia głębokiego, ma z założenia uzupełnić tę lukę. W związku z tym opracowany został w sposób umożliwiający zrozumienie zawartych w nim treści także osobom, które nie zetknęły się dotąd nawet z klasycznymi metodami nauczania maszynowego. Stąd sporo miejsca autorzy poświęcają podstawowym konceptom klastrowania, klasyfikacji oraz regresji. Druga połowa książki przybliża głębokie odpowiedniki modeli klasycznych - z naciskiem na objaśnienie podstawowych pojęć i ich intuicji. Ponieważ dla pełnego zrozumienia modeli niezbędne jest ich zaimplementowanie, integralną część książki stanowi kod, dostępny dla czytelnika na platformie GITHUB.

Wybrane bestsellery

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka zawiera praktyczne przykłady i kod źródłowy?
Tak, książka zawiera liczne przykłady oraz kod źródłowy, który jest dostępny dla czytelników na platformie GitHub. Pozwala to na praktyczne przećwiczenie omawianych zagadnień.
2. Czy muszę znać zaawansowaną matematykę lub mieć doświadczenie w programowaniu, aby korzystać z tej książki?
Nie, książka została napisana z myślą o osobach początkujących. Autorzy tłumaczą podstawowe pojęcia uczenia maszynowego i głębokiego, więc wcześniejsze doświadczenie nie jest wymagane, choć podstawowa znajomość matematyki i programowania będzie pomocna.
3. Jakie tematy głębokiego uczenia są omawiane w książce?
Publikacja obejmuje szeroki zakres tematów: od podstaw uczenia maszynowego, przez sieci neuronowe, konwolucyjne i rekurencyjne, po nowoczesne mechanizmy atencji i architekturę Transformer. Omawiane są także praktyczne aspekty trenowania i optymalizacji modeli.
4. Czy książka nadaje się do samodzielnej nauki?
Tak, książka została opracowana w sposób umożliwiający samodzielne przyswajanie wiedzy. Przystępne wyjaśnienia, przykłady i dostęp do kodu pomagają krok po kroku zrozumieć zagadnienia głębokiego uczenia.
5. Czy dzięki tej książce przygotuję się do pracy z narzędziami typu TensorFlow lub PyTorch?
Książka skupia się na wyjaśnieniu kluczowych koncepcji i mechanizmów głębokiego uczenia oraz implementacji modeli, co stanowi solidną podstawę do nauki i pracy z popularnymi frameworkami jak TensorFlow czy PyTorch.
6. Czy do korzystania z książki potrzebny jest dostęp do specjalistycznego sprzętu komputerowego?
Nie jest to konieczne na etapie nauki podstaw. Jednak do uruchamiania większych modeli głębokiego uczenia przydatny będzie komputer z wydajną kartą graficzną, co autorzy wyjaśniają w książce.
7. Czy książka wyjaśnia różnice między klasycznym uczeniem maszynowym a głębokim uczeniem?
Tak, autorzy poświęcają sporo miejsca na omówienie różnic i podobieństw pomiędzy klasycznymi metodami uczenia maszynowego a głębokim uczeniem, pomagając zrozumieć, kiedy i dlaczego warto sięgnąć po konkretne rozwiązania.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
34,20 zł
Dodaj do koszyka
Ebook
28,50 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint