Изучение глубокого обучения: теория и практика нейронных сетей, компьютерного зрения, обработки естественного языка и трансформеров с использованием TensorFlow на русском
Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow (978-0137470297)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Magnus Ekman | #110: Компьютерные нейронные сети
Полноцветное руководство NVIDIA по глубокому обучению: все, что вам нужно, чтобы начать и получить результаты.
— Из предисловия доктора Анимы Анандкумар, профессора имени Брена в Калифорнийском технологическом институте и директора по исследованиям в области машинного обучения компании NVIDIA.
«Экман использует метод обучения, который, по нашему опыту, оказался решающим для успеха — он предлагает читателю подумать о применении методов глубокого обучения на практике. Его прямолинейный подход освежает, и он позволяет читателю немного помечтать о том, куда нас еще может привести глубокое обучение».
— Из предисловия доктора Крейга Клоусона, директора Института глубокого обучения NVIDIA.
Глубокое обучение (DL) — ключевой компонент современных захватывающих достижений в области машинного обучения и искусственного интеллекта. Книга « Изучение глубокого обучения » — это полное руководство по глубокому обучению. Она освещает как основные концепции, так и практические методы программирования, необходимые для успеха, и идеально подходит для разработчиков, специалистов по обработке данных, аналитиков и других специалистов, включая тех, кто не имеет предварительного опыта в машинном обучении или статистике.
После представления основных строительных блоков глубоких нейронных сетей, таких как искусственные нейроны и полносвязные, сверточные и рекуррентные слои, Магнус Экман показывает, как использовать их для построения сложных архитектур, включая трансформер. Он описывает, как эти концепции используются для построения современных сетей для компьютерного зрения и обработки естественного языка (NLP), включая Mask R-CNN, GPT и BERT. И он объясняет, как работает переводчик естественного языка и система, генерирующая описания изображений на естественном языке.
На протяжении всей книги Экман приводит краткие, хорошо аннотированные примеры кода с использованием TensorFlow и Keras. Соответствующие примеры на PyTorch доступны онлайн, таким образом, книга охватывает две доминирующие библиотеки Python для глубокого обучения, используемые в промышленности и академической среде. В заключение он знакомит с поиском нейронной архитектуры (NAS), рассматривает важные этические вопросы и предоставляет ресурсы для дальнейшего обучения.
- Изучите и освойте основные концепции: перцептроны, градиентное обучение, сигмоидные нейроны и обратное распространение ошибки.
- Узнайте, как фреймворки глубокого обучения упрощают разработку более сложных и полезных нейронных сетей.
- Узнайте, как сверточные нейронные сети (CNN) революционизируют классификацию и анализ изображений.
- Примените рекуррентные нейронные сети (RNN) и долговременную кратковременную память (LSTM) к тексту и другим последовательностям переменной длины.
- Освойте обработку естественного языка с помощью нейронных сетей типа «последовательность-последовательность» и архитектуры Transformer.
- Разрабатывайте приложения для перевода естественного языка и создания подписей к изображениям.
Изобретение графического процессора компанией NVIDIA дало толчок развитию рынка компьютерных игр. Новаторская работа компании в области ускоренных вычислений — сверхмощной формы вычислений на стыке компьютерной графики, высокопроизводительных вычислений и искусственного интеллекта — меняет триллионные отрасли, такие как транспорт, здравоохранение и производство, и стимулирует рост многих других.
Зарегистрируйте свою книгу, чтобы получить удобный доступ к загрузкам, обновлениям и/или исправлениям по мере их появления. Подробности смотрите внутри книги.