Название: Глубокое обучение без математики. Т. 1: Основы
Автор: Эндрю Гласснер
Издательство: ДМК Пресс
Год: 2019
Страниц: 585
Язык: русский
Формат: pdf
Размер: 80,8 MB

Эта книга не похожа на большинство других учебников и руководств по глубокому обучению – в ней нет ни детального алгоритмического анализа, сопровождаемого обширной математикой, ни развернутых листингов программного кода. Автор выбрал золотую середину - благодаря дружелюбному подходу, сопровождаемому огромным количеством цветных иллюстраций, а также детальному и скрупулезному описанию, он глубоко освещает основополагающие идеи и фундаментальные основы глубокого обучения и нейронных сетей.

Выбор правильных алгоритмов и затем применение их надлежащим образом требуют в дополнение последовательных, технически грамотных решений. Когда, как часто бывает, события развиваются не так, как планировалось, необходимы знания, чтобы понять, что происходит внутри системы, с тем чтобы исправить положение дел. Существует множество подходов к освоению этих существенных знаний в зависимости от того, как вы хотите ими овладеть.

Некоторые любят жесткий детальный алгоритмический анализ, сопровождаемый обширной математикой. Другая крайность, когда человек просто хочет знать, как решить некую конкретную задачу. Серьезных книг, которые содержат библиотеки с рецептами машинного обучения, достаточно много. Эти методы проще, чем математический подход, но вы можете ощущать недостаток структурной информации, объясняющей, как это работает. В этой книге принят промежуточный подход. Я намерен дать вам инструменты для уверенного практического применения глубокого обучения. Я хочу, чтобы вы могли в вашей работе сделать разумный выбор и были способны следовать в общем потоке новейших идей, появляющихся почти каждый день. Моя цель здесь – осветить фундаментальные основы достаточно глубоко, чтобы у вас была надежная база поддержки в вашей работе.

Коды в главах книги с программированием доступны в качестве файлов на языке Python. Они могут быть использованы с помощью программного окружения, базирующейся на браузере графической веб-оболочки Jupyter или с помощью классического, разработанного для Python окружения, такого как PyCharm. Все файлы оболочки Jupiter/Python в данной книге доступны на GitHub.

Издание предназначено для всех читателей, кто хочет использовать глубокое обучение в своей работе. Это программисты, инженеры, ученые, руководители, музыканты, врачи и все, кто хочет работать с большими объемами данных, извлекая из них полезную информацию или формируя новые данные.