×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Matematyka w deep learningu. Co musisz wiedzieć, aby zrozumieć sieci neuronowe

(ebook) (audiobook) (audiobook)
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
344
Druk:
oprawa miękka
Dostępny format:
     PDF
Czytaj fragment

Książka (57,84 zł najniższa cena z 30 dni)

89,00 zł (-35%)
57,84 zł

Dodaj do koszyka Wysyłamy w 24h

(57,84 zł najniższa cena z 30 dni)

Ebook (48,95 zł najniższa cena z 30 dni)

89,00 zł (-50%)
44,50 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

(48,95 zł najniższa cena z 30 dni)

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Uczenie maszynowe niesie ze sobą obietnicę niezwykłych wynalazków: od samochodów autonomicznych po systemy medyczne diagnozujące choroby lepiej niż doświadczeni lekarze, ale także daje pole do rozwijania dziesiątków innych mniej lub bardziej niepokojących innowacji. Dziś do budowania systemów uczenia maszynowego można posłużyć się wygodnymi frameworkami, jednak rzeczywiste zrozumienie uczenia głębokiego wymaga znajomości kilku koncepcji matematycznych.

Koncepcje te zostały przystępnie wyjaśnione właśnie w tej książce. W szczególności zapoznasz się z praktycznymi aspektami probabilistyki, statystyki, algebry liniowej i rachunku różniczkowego. Prezentacji tych zagadnień towarzyszą fragmenty kodu w Pythonie i praktyczne przykłady zastosowań w uczeniu głębokim. Rozpoczniesz od zapoznania się z podstawami, takimi jak twierdzenie Bayesa, a następnie przejdziesz do bardziej zaawansowanych zagadnień, w tym uczenia sieci neuronowych przy użyciu wektorów, macierzy i pochodnych. Dwa ostatnie rozdziały dadzą Ci szansę użycia nowej wiedzy do zaimplementowania propagacji wstecznej i metody gradientu prostego - dwóch podstawowych algorytmów napędzających rozwój sztucznej inteligencji.

W książce między innymi:

  • zastosowanie statystyki do zrozumienia danych i oceny modeli
  • prawidłowe korzystanie z reguł prawdopodobieństwa
  • użycie wektorów i macierzy do przesyłania danych w sieciach neuronowych
  • algebra liniowa w analizie głównych składowych i rozkładu według wartości osobliwych
  • gradientowe metody optymalizacji, takie jak RMSprop, Adagrad i Adadelta

Chcesz zrozumieć sieci neuronowe? Odpowiedzi szukaj w matematyce!

Wybrane bestsellery

O autorze książki

Dr Ron Kneusel zawodowo zajmuje się uczeniem maszynowym od 2003 roku. W 2016 roku obronił doktorat z tej dziedziny na Uniwersytecie Kolorado w Boulder. Jest autorem kilku książek, w tym Deep learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona (Helion, 2022).

Zobacz pozostałe książki z serii

Helion - inne książki

Zamknij

Przenieś na półkę

Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
57,84 zł
Dodaj do koszyka
Ebook
44,50 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint