Глубокое обучение открывает дорогу инновациям и изменениям во всех сферах современной жизни. Большинство прорывов в области искусственного интеллекта, о которых вы знаете из новостей, основаны на глубоком обучении. Понимание этого предмета полезно как предпринимателям, внедряющим данную технологию в своем бизнесе, так и студентам, исследователям и просто всем, кто проявляет любопытство и хочет больше узнать о потенциале искусственного интеллекта, нейросетях, машинном обучении. Джон Д. Келлехер — профессор компьютерных наук в Технологическом университете Дублина с более чем двадцатилетним опытом исследований и преподавания в области искусственного интеллекта, обработки естественных языков и машинного обучения. Он — автор сотен научных статей и точно знает, как простым языком преподнести сложные темы, чтобы они стали понятны неспециалистам.

Глубокое обучение открывает дорогу инновациям и изменениям во всех сферах современной жизни. Большинство прорывов в области искусственного интеллекта, о которых вы знаете из новостей, основаны на глубоком обучении. Понимание этого предмета полезно как предпринимателям, внедряющим данную технологию в своем бизнесе, так и студентам, исследователям и просто всем, кто проявляет любопытство и хочет больше узнать о потенциале искусственного интеллекта, нейросетях, машинном обучении. Джон Д. Келлехер — профессор компьютерных наук в Технологическом университете Дублина с более чем двадцатилетним опытом исследований и преподавания в области искусственного интеллекта, обработки естественных языков и машинного обучения. Он — автор сотен научных статей и точно знает, как простым языком преподнести сложные темы, чтобы они стали понятны неспециалистам.

Глубокое обучение открывает дорогу инновациям и изменениям во всех сферах современной жизни. Большинство прорывов в области искусственного интеллекта, о которых вы знаете из новостей, основаны на глубоком обучении. Понимание этого предмета полезно как предпринимателям, внедряющим данную технологию в своем бизнесе, так и студентам, исследователям и просто всем, кто проявляет любопытство и хочет больше узнать о потенциале искусственного интеллекта, нейросетях, машинном обучении. Джон Д. Келлехер — профессор компьютерных наук в Технологическом университете Дублина с более чем двадцатилетним опытом исследований и преподавания в области искусственного интеллекта, обработки естественных языков и машинного обучения. Он — автор сотен научных статей и точно знает, как простым языком преподнести сложные темы, чтобы они стали понятны неспециалистам.

Глубокое обучение открывает дорогу инновациям и изменениям во всех сферах современной жизни. Большинство прорывов в области искусственного интеллекта, о которых вы знаете из новостей, основаны на глубоком обучении.Понимание этого предмета полезно как предпринимателям, внедряющим данную технологию в своем бизнесе, так и студентам, исследователям и просто всем, кто проявляет любопытство и хочет больше узнать о потенциале искусственного интеллекта, нейросетях, машинном обучении.Джон Д. Келлехер — профессор компьютерных наук в Технологическом университете Дублина с более чем двадцатилетним опытом исследований и преподавания в области искусственного интеллекта, обработки естественных языков и машинного обучения. Он — автор сотен научных статей и точно знает, как простым языком преподнести сложные темы, чтобы они стали понятны неспециалистам.

Вам требуется понять, что такое алгоритмы и графы, как они работают и изучить их? Эта книга для вас. Для ее чтения требуется лишь базовое школьное образование — здесь вы найдете все ответы на вопросы по этой теме, а также краткие и понятные объяснения даже сложных понятий и чуть-чуть математики. Автор, Панос Луридас, много лет занимается изучением и практическим применением алгоритмов в проектах, связанных с разработкой программного обеспечения, криптографией и машинным обучением, — он знает об алгоритмах буквально всё и заражает читателей своим энтузиазмом и интересом к этой теме с первых строк.

Вам требуется понять, что такое алгоритмы и графы, как они работают и изучить их? Эта книга для вас. Для ее чтения требуется лишь базовое школьное образование — здесь вы найдете все ответы на вопросы по этой теме, а также краткие и понятные объяснения даже сложных понятий и чуть-чуть математики. Автор, Панос Луридас, много лет занимается изучением и практическим применением алгоритмов в проектах, связанных с разработкой программного обеспечения, криптографией и машинным обучением, — он знает об алгоритмах буквально всё и заражает читателей своим энтузиазмом и интересом к этой теме с первых строк.

Вам требуется понять, что такое алгоритмы и графы, как они работают и изучить их? Эта книга для вас. Для ее чтения требуется лишь базовое школьное образование - здесь вы найдете все ответы на вопросы по этой теме, а также краткие и понятные объяснения даже сложных понятий и чуть-чуть математики. Автор, Панос Луридас, много лет занимается изучением и практическим применением алгоритмов в проектах, связанных с разработкой программного обеспечения, криптографией и машинным обучением, - он знает об алгоритмах буквально всё и заражает читателей своим энтузиазмом и интересом к этой теме с первых строк.

Вам требуется понять, что такое алгоритмы и графы, как они работают и изучить их? Эта книга для вас. Для ее чтения требуется лишь базовое школьное образование — здесь вы найдете все ответы на вопросы по этой теме, а также краткие и понятные объяснения даже сложных понятий и чуть-чуть математики. Автор, Панос Луридас, много лет занимается изучением и практическим применением алгоритмов в проектах, связанных с разработкой программного обеспечения, криптографией и машинным обучением, — он знает об алгоритмах буквально всё и заражает читателей своим энтузиазмом и интересом к этой теме с первых строк.

В книге рассматриваются как классические, так и современные модели глубокого обучения. В первых двух главах основной упор сделан на понимании взаимосвязи традиционного машинного обучения и нейронных сетей. Главы 3 и 4 посвящены подробному обсуждению процессов тренировки и регуляризации нейронных сетей. В главах 5 и 6 рассмотрены сети радиально-базисных функций (RBF) и ограниченные машины Больцмана. В главах 7 и 8 обсуждаются рекуррентные и сверточные нейронные сети. Главы 9 и 10 посвящены более сложным темам, таким как глубокое обучение с подкреплением, нейронные машины Тьюринга, самоорганизующиеся карты Кохонена и генеративно-состязательные сети. Книга предназначена для студентов старших курсов, исследователей и специалистов-практиков.

Технология глубокого обучения не настолько сложна, как многие считают. До недавнего времени на ее изучение уходили годы, но с появлением таких фреймворков, как Keras и TensorFlow, инженеры-программисты, не имеющие опыта в данной области, могут быстро начать создавать рабочие приложения. Благодаря готовым примерам, приведенным в книге, вы научитесь решать задачи, связанные с классификацией и генерированием текста, изображений и музыки. .В каждой главе описывается несколько решений, объединяемых в единый проект, например приложение, реализующее тренировку музыкальной рекомендательной системы. Также имеется глава с описанием методик, которые в случае необходимости помогут выполнить отладку нейронной сети. Все примеры написаны на языке Python и доступны в виде набора блокнотов. .Основные темы книги: .Использование векторных представлений слов для вычисления схожести текстов .Построение рекомендательной системы фильмов на основе ссылок в Википедии .Визуализация внутренних состояний нейронной сети .Создание модели, рекомендующей эмодзи для фрагментов текста .Повторное использование предварительно обученных сетей для создания службы обратного поиска изображений .Генерирование пиктограмм с помощью генеративно-состязательных сетей (GAN), автокодировщиков и рекуррентных сетей (RNN) .

Технология глубокого обучения не настолько сложна, как многие считают. До недавнего времени на ее изучение уходили годы, но с появлением таких фреймворков, как Keras и TensorFlow, инженеры-программисты, не имеющие опыта в данной области, могут быстро начать создавать рабочие приложения. Благодаря готовым примерам, приведенным в книге, вы научитесь решать задачи, связанные с классификацией и генерированием текста, изображений и музыки. .В каждой главе описывается несколько решений, объединяемых в единый проект, например приложение, реализующее тренировку музыкальной рекомендательной системы. Также имеется глава с описанием методик, которые в случае необходимости помогут выполнить отладку нейронной сети. Все примеры написаны на языке Python и доступны в виде набора блокнотов. .Основные темы книги: .Использование векторных представлений слов для вычисления схожести текстов .Построение рекомендательной системы фильмов на основе ссылок в Википедии .Визуализация внутренних состояний нейронной сети .Создание модели, рекомендующей эмодзи для фрагментов текста .Повторное использование предварительно обученных сетей для создания службы обратного поиска изображений .Генерирование пиктограмм с помощью генеративно-состязательных сетей (GAN), автокодировщиков и рекуррентных сетей (RNN) .

Сегодня наука о данных используется практически во всех сферах: вы видите подобранные специально для вас рекламные объявления, рекомендованные на основе ваших предпочтений фильмы и книги, ссылки на предполагаемых друзей в соцсетях, отфильтрованные письма в папке со спамом. Книга знакомит с основами науки о данных. В ней охватываются все ключевые аспекты, начиная с истории развития сбора и анализа данных и заканчивая этическими проблемами, связанными с конфиденциальностью информации. Авторы объясняют, как работают нейронные сети и машинное обучение, приводят примеры анализа бизнес-проблем и того, как их можно решить, рассказывают о сферах, на которые наука о данных окажет наибольшее влияние в будущем. "Наука о данных" уже переведена на японский, корейский и китайский языки. Цитаты Сейчас процесс сбора, хранения и обработки данных стал как никогда ранее доступен для организаций. Цель науки о данных — улучшить процесс принятия решений, основывая их на более глубоком понимании ситуации с помощью анализа больших наборов данных. Как правило, наука о данных становится полезной, когда у нас есть большое количество примеров и когда выявляемые закономерности слишком сложны, чтобы человек мог обнаружить их самостоятельно. Для аналитиков, программистов и всех тех, кому интересно понять, что такое наука о данных и как ее можно использовать в работе Делитесь вашим мнением о книге в соцсетях с хэштегом #наукаоданных.

Сегодня наука о данных используется практически во всех сферах: вы видите подобранные специально для вас рекламные объявления, рекомендованные на основе ваших предпочтений фильмы и книги, ссылки на предполагаемых друзей в соцсетях, отфильтрованные письма в папке со спамом. Книга знакомит с основами науки о данных. В ней охватываются все ключевые аспекты, начиная с истории развития сбора и анализа данных и заканчивая этическими проблемами, связанными с конфиденциальностью информации. Авторы объясняют, как работают нейронные сети и машинное обучение, приводят примеры анализа бизнес-проблем и того, как их можно решить, рассказывают о сферах, на которые наука о данных окажет наибольшее влияние в будущем. "Наука о данных" уже переведена на японский, корейский и китайский языки. Цитаты Сейчас процесс сбора, хранения и обработки данных стал как никогда ранее доступен для организаций. Цель науки о данных — улучшить процесс принятия решений, основывая их на более глубоком понимании ситуации с помощью анализа больших наборов данных. Как правило, наука о данных становится полезной, когда у нас есть большое количество примеров и когда выявляемые закономерности слишком сложны, чтобы человек мог обнаружить их самостоятельно. Для аналитиков, программистов и всех тех, кому интересно понять, что такое наука о данных и как ее можно использовать в работе Делитесь вашим мнением о книге в соцсетях с хэштегом #наукаоданных.

В настоящее время глубокое обучение (Deep Learning) предоставляет средства для распознавания шаблонов в данных, которые являются движущей силой онлайнового бизнеса и общественных медиаплощадок. Книга «Глубокое обучение для чайников» предлагает вам сведения, помогающие снять покров тайны с этой темы, равно как и со всех связанных с ней внутренних технологий. В мгновение ока вам станут понятными все более и более запутанные алгоритмы, а вдобавок вы найдете простую и безопасную среду для экспериментирования с глубоким обучением. Книга «Глубокое обучение для чайников» даст высокоуровневое представление о том, что в точности способно делать глубокое обучение, и предложит примеры основных видов приложений глубокого обучения. Книга «Глубокое обучение для чайников»: включает примеры кода; предоставляет реальные примеры в рамках доступного повествования; предпринимает практические действия для облегчения усвоения материала; показывает, как более эффективно использовать глубокое обучение с помощью правильно выбранных инструментов. Книга «Глубокое обучение для чайников» великолепно подойдет тем, кто хочет лучше понять основы внутренних технологий, которыми мы пользуемся каждый день.