Искусственный интеллект: вводное руководство по математике глубокого обучения на русском
#2176734
Artificial Intelligence Engines: A Tutorial Introduction to the Mathematics of Deep Learning (B086L4K3Y5)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
James Stone | #584: Нейронные сети
«авторитетная, забавная и лаконичная» — Стивен Строгац, профессор прикладной математики, Корнельский университет.
Мозг всегда обладал фундаментальным преимуществом перед обычными компьютерами: он способен к обучению. Однако новое поколение алгоритмов искусственного интеллекта в виде глубоких нейронных сетей быстро нивелирует это преимущество. Глубокие нейронные сети используют адаптивные алгоритмы для решения самых разнообразных задач, включая диагностику рака, распознавание объектов, распознавание речи, управление роботами, шахматы, покер, нарды и го, демонстрируя сверхчеловеческий уровень производительности. В этой богато иллюстрированной книге сначала в неформальной форме объясняются ключевые алгоритмы обучения нейронных сетей, а затем проводится подробный математический анализ. Рассматриваются как исторически важные нейронные сети (перцептроны, сети Хопфилда, машины Больцмана и сети обратного распространения ошибки), так и современные глубокие нейронные сети (вариационные автокодировщики, сверточные сети, генеративно-состязательные сети и обучение с подкреплением с использованием SARSA и Q-обучения). Онлайн-программы, собранные из репозиториев с открытым исходным кодом, дают практический опыт работы с нейронными сетями, а слайды PowerPoint служат поддержкой в процессе обучения. Написанная в неформальном стиле, с подробным глоссарием, обучающими приложениями (например, теорема Байеса, оценка максимального правдоподобия) и списком дополнительной литературы, эта книга является идеальным введением в алгоритмические механизмы современного искусственного интеллекта.
Доктор Джеймс В. Стоун — почетный преподаватель Шеффилдского университета, Англия.
Мозг всегда обладал фундаментальным преимуществом перед обычными компьютерами: он способен к обучению. Однако новое поколение алгоритмов искусственного интеллекта в виде глубоких нейронных сетей быстро нивелирует это преимущество. Глубокие нейронные сети используют адаптивные алгоритмы для решения самых разнообразных задач, включая диагностику рака, распознавание объектов, распознавание речи, управление роботами, шахматы, покер, нарды и го, демонстрируя сверхчеловеческий уровень производительности. В этой богато иллюстрированной книге сначала в неформальной форме объясняются ключевые алгоритмы обучения нейронных сетей, а затем проводится подробный математический анализ. Рассматриваются как исторически важные нейронные сети (перцептроны, сети Хопфилда, машины Больцмана и сети обратного распространения ошибки), так и современные глубокие нейронные сети (вариационные автокодировщики, сверточные сети, генеративно-состязательные сети и обучение с подкреплением с использованием SARSA и Q-обучения). Онлайн-программы, собранные из репозиториев с открытым исходным кодом, дают практический опыт работы с нейронными сетями, а слайды PowerPoint служат поддержкой в процессе обучения. Написанная в неформальном стиле, с подробным глоссарием, обучающими приложениями (например, теорема Байеса, оценка максимального правдоподобия) и списком дополнительной литературы, эта книга является идеальным введением в алгоритмические механизмы современного искусственного интеллекта.
Доктор Джеймс В. Стоун — почетный преподаватель Шеффилдского университета, Англия.