Грант Бейлевельд , Джон Крон , Аглаэ Бассенс - Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту
Название: | Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту | |
Автор: | Грант Бейлевельд , Джон Крон , Аглаэ Бассенс | |
Жанр: | Искусственный интеллект | |
Изадано в серии: | Библиотека программиста | |
Издательство: | Питер | |
Год издания: | 2020 | |
ISBN: | 978-5-4461-1574-7 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту"
Глубокое обучение стало мощным двигателем для работы с искусственным интеллектом. Яркие иллюстрации и простые примеры кода избавят вас от необходимости вникать в сложные аспекты конструирования моделей глубокого обучения, делая сложные задачи доступными и увлекательными. Джон Крон, Грант Бейлевельд и замечательный иллюстратор Аглаэ Бассенс используют яркие примеры и аналогии, которые позволяют объяснить, что такое глубокое обучение, почему оно пользуется такой популярностью и как эта концепция связана с другими подходами к машинному обучению. Книга идеально подойдет разработчикам, специалистам по обработке данных, исследователям, аналитикам и начинающим программистам, которые хотят применять глубокое обучение в своей работе. Теоретические выкладки прекрасно дополняются прикладным кодом на Python в блокнотах Jupyter. Вы узнаете приемы создания эффективных моделей в TensorFlow и Keras, а также познакомитесь с PyTorch. Базовые знания о глубоком обучении позволят создавать реальные приложения — от компьютерного зрения и обработки естественного языка до генерации изображений и игровых алгоритмов. 16+
Читаем онлайн "Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту". [Страница - 4]
Регуляризация L1 и L2.........................................................................................................180
Прореживание.........................................................................................................................181
Обогащение данных..............................................................................................................184
Необычные оптимизаторы.........................................................................................................184
Метод моментов......................................................................................................................185
Оглавление
9
Метод Нестерова....................................................................................................................185
AdaGrad.....................................................................................................................................185
AdaDelta и RMSProp............................................................................................................186
Adam............................................................................................................................................187
Глубокая нейронная сеть на основе Keras............................................................................188
Регрессия..........................................................................................................................................189
TensorBoard.....................................................................................................................................192
Итоги.................................................................................................................................................195
ЧАСТЬ III. ИНТЕРАКТИВНЫЕ ПРИЛОЖЕНИЯ ГЛУБОКОГО ОБУЧЕНИЯ...........................................197
Глава 10. Компьютерное зрение....................................................................... 198
Сверточные нейронные сети.....................................................................................................198
Двумерная структура визуальных изображений........................................................199
Вычислительная сложность...............................................................................................199
Сверточные слои....................................................................................................................200
Множество фильтров............................................................................................................202
Пример сверточной сети......................................................................................................203
Гиперпараметры сверточных фильтров.........................................................................207
Слои субдискретизации..............................................................................................................209
LeNet-5 в Keras...............................................................................................................................211
AlexNet и VGGNet в Keras.........................................................................................................217
Остаточные сети............................................................................................................................220
Затухание градиентов: ахиллесова пята глубоких сверточных сетей.................220
Остаточные связи...................................................................................................................221
ResNet.........................................................................................................................................223
Применения компьютерного зрения......................................................................................224
Обнаружение объектов........................................................................................................225
Сегментация изображений.................................................................................................229
Перенос обучения..................................................................................................................231
Капсульные сети . ..................................................................................................................235
Итоги.................................................................................................................................................236
Глава 11. Обработка естественного языка......................................................... 238
Предварительная обработка данных на естественном языке........................................238
Лексемизация..........................................................................................................................241
Преобразование всех символов в нижний регистр....................................................244
Удаление стоп-слов и знаков препинания....................................................................244
10
ОГЛАВЛЕНИЕ
Стемминг...................................................................................................................................245
Обработка n-грамм................................................................................................................246
Предварительная обработка полного корпуса.............................................................248
Создание векторных представлений с помощью алгоритма word2vec......................251
Теоретические основы алгоритма word2vec.................................................................251
Вычисление векторов слов.................................................................................................254
Запуск word2vec.....................................................................................................................254
Отображение векторов слов на графике........................................................................259
Площадь под кривой ROC.........................................................................................................262
Матрица ошибок....................................................................................................................264
Вычисление метрики ROC AUC......................................................................................265
Классификация естественного языка с использованием уже знакомых сетей.......268
Загрузка отзывов к --">
Книги схожие с «Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту» по жанру, серии, автору или названию:
Геннадий Алексеевич Атанов, И. Н. Пустынникова - Обучение и искусственный интеллект, или Основы современной дидактики высшей школы Жанр: Искусственный интеллект Год издания: 2002 |
Джереми Ховард, Сильвейн Гуггер - Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности Жанр: Python Год издания: 2022 Серия: Бестселлеры o’reilly |
Араки Масахиро - Занимательная манга. Машинное обучение Жанр: Искусственный интеллект Год издания: 2020 Серия: Образовательная манга |
Орельен Жерон - Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow Жанр: Искусственный интеллект Год издания: 2020 Серия: Бестселлеры o’reilly |
Другие книги из серии «Библиотека программиста»:
Роберт Сесил Мартин - Идеальный программист. Как стать профессионалом разработки ПО Жанр: Современные российские издания Год издания: 2012 Серия: Библиотека программиста |
Роберт Сесил Мартин - Идеальная работа Жанр: Программирование: прочее Год издания: 2022 Серия: Библиотека программиста |
Жаклин Нолис - Data Science для карьериста Жанр: Поиск работы, карьера Год издания: 2021 Серия: Библиотека программиста |
Курупа Чиннатхамби - JavaScript с нуля Жанр: Java, Java Script Год издания: 2021 Серия: Библиотека программиста |