|
Автор:
Журнал «Системный администратор»
|
Facebook
Мой мир
Вконтакте
Одноклассники
Google+
|
Глубокое обучение – это новая технология, не имеющая аналогов. Но все же понимание «глубокий» еще не до конца раскрыто и в профессиональной среде. Эта книга как раз содержит теорию и фундаментальные факты для дальнейшего ее освоения, чтобы специалист-практик мог двигаться дальше.
 |
- Автор: Джош Паттерсон, Адам Гибсон
- Издательство: ДМК Пресс
- Год издания: 2018
- Количество страниц: 418
- ISBN: 978-5-97060-481-6
- Цена: 1299 руб.
|
В настоящее время термин «наука о данных» (data science) не имеет четкого определения и зачастую означает разные вещи. Мир науки о данных и искусственного интеллекта широк и расплывчат, как и многие термины в современной информатике. Связано это с тем, что машинное обучение проникло почти во все дисциплины.
У этого широкого проникновения есть исторические параллели с тем, как в 1990-х годах Всемирная паутина проникла во все дисциплины и привела много новых людей в область технологии. Так и теперь самые разные специалисты – инженеры, статистики, аналитики, люди творческих профессий – каждодневно пополняют ряды поборников машинного обучения.
Со времени большого взрыва глубокого обучения, начавшегося в 2006 году, необходимость тратить годы ручного труда исчезла, поскольку новейшие алгоритмы машинного обучения способны сами находить признаки, по которым можно классифицировать входные данные. По точности глубокое обучение превзошло традиционные алгоритмы почти для всех типов данных, требуя при этом минимальной настройки и человеческого труда.
Технологии глубокого обучения – это целая группа технологий и решений. Образно говоря, компьютер самостоятельно должен научиться тому, как лучше ему учиться. И, по сути, термин «глубокое» это и подразумевает.
Эта книга призвана сделать глубокое (и машинное) обучение доступным самой широкой аудитории. Издание восполнит пробел не только в основах линейной алгебры, машинного обучения и нейронных сетей, поможет изучить четыре основные архитектуры глубоких сетей и воспользоваться на практике примерами кода для исследования вариантов глубоких сетей.
Книга будет особенно интересна специалистам по анализу данных (data scientist) и Java-программистам, кому поручают интегрировать код машинного обучения в производственные системы.
Facebook
Мой мир
Вконтакте
Одноклассники
Google+
|
|
Глубокое обучение с точки зрения практика
