Uwaga: Nasze strony wykorzystują pliki cookies.
Używamy informacji zapisanych za pomocą cookies i podobnych technologii m.in. w celu dostosowania serwisu do indywidualnych potrzeb użytkowników oraz w celach statystycznych i reklamowych. Mogą też stosować je współpracujące z nami firmy badawcze. W programie służącym do obsługi Internetu można zmienić ustawienia dotyczące cookies. Korzystanie z naszych serwisów internetowych bez zmiany ustawień dotyczących cookies oznacza, że będą one zapisane w pamięci urządzenia. Więcej informacji można znaleźć w naszej Polityce Prywatności.
MENU

Deep Learning(Miękka)

Systemy uczące się

3.10  [ 71 ocen ]
 Sprawdź recenzje
Rozwiń szczegóły »
Cena detaliczna: 149,00 zł
104,30
Cena zawiera podatek VAT.
Oszczędzasz 44,70 zł
Stan magazynowy:Duża ilość
Dodaj do schowka
Wysyłka: 24h
Dostawa
Produkt posiadamy w magazynie i wyślemy go w ciągu 24 godzin w dni robocze.

Uwaga! Całkowity czas oczekiwania na zamówienie = czas wysyłki podany na stronie każdego produktu + dostawa przez przewoźnika. 
Podane terminy dotyczą dni roboczych (poniedziałek-piątek,
z wyłączeniem dni wolnych od pracy).
Dostawa i płatność
Cennik dostaw
Paczki dostarczamy wyłącznie na terenie Polski.
Dostawa gratis dla paczek o wartości od 169 zł.
Płatność elektroniczna (PayU, BLIK)
Kiosk RUCHu - odbiór osobisty
3,99 zł
Poczta Polska - odbiór w punkcie
7,99 zł
Kurier pocztowy
9,99 zł
Paczkomaty InPost
12,99 zł
Kurier
14,99 zł
Odbiór w księgarni PWN
GRATIS
Płatność za pobraniem
Kiosk RUCHu - odbiór osobisty
6,99 zł
Poczta Polska - odbiór w punkcie
9,99 zł
Kurier pocztowy
11,99 zł
Kurier
17,99 zł

Deep Learning

Deep learning to rodzaj systemu uczącego się, który pozwala komputerom na naukę na podstawie doświadczeń i zrozumienie świata w sennie hierarchii pojęć. Ponieważ komputer gromadzi wiedzę na podstawie doświadczeń, nie potrzebny jest nadzór człowieka w celu określenia całej wiedzy potrzebnej komputerowi. Hierarchia pojęć pozwala komputerowi uczyć się skomplikowanych pojęć rozbudowując je na podstawie prostszych elementów. Graf takich hierarchii będzie miał głębokość wielu warstw.

Książka wprowadza szeroki zakres tematów z zakresu deep learning.

W tekście można znaleźć podstawy matematyczne i pojęciowe obejmujące odnośne pojęcia z zakresu algebry liniowej, teorii prawdopodobieństwa, teorii informacji, obliczeń numerycznych oraz systemów uczących się.

Książka opisuje techniki deep learning używane przez praktyków w przemyśle, w tym głębokie sieci sprzężone do przodu, regularyzację, algorytmy optymalizacyjne, sieci splotowe, modelowanie ciągów oraz metodologie praktyczne. Przywoływane są takie zastosowania jak rozpoznawanie mowy, obrazy komputerowe, systemy rekomendacji w trybie online, bioinformatyk oraz gry wideo. Wreszcie książka przedstawia perspektywy badań naukowych obejmując takie zagadnienia teoretyczne jak modele o współczynnikach liniowych, autokodowania, uczenie się reprezentacji, strukturalne modele probabilistyczne, metody Monte Carlo, funkcja podziału, przybliżone wnioskowanie oraz głębokie modele generatywne.

Książka Deep Learning może być używana przez studentów studiów podstawowych i podyplomowych planujących swoją karierę w przemyśle lub w badaniach naukowych, oraz przez inżynierów oprogramowania, którzy chcą zacząć wykorzystywać techniki deep learning w swoich produktach lub platformach działania.

Informacja o autorach:

Ian Goodfellow jest naukowcem w OpenAI. 

Yoshua Bengio, pracuje na stanowisku profesora informatyki na uniwersytecie w Monteralu.

Aaron Courville adiunktem informatyki na tej samej uczelni.

Książka napisana przez trzech ekspertów w tej dziedzinie jest jedyną wyczerpującą pozycją dotycząca tematyki deep learning. Zapewnia szeroka perspektywę i wiadomości matematyczne dla inżynierów oprogramowania i studentów  wkraczających w tę dziedzinę, służąc jednocześnie jako punkt odniesienia dla specjalistów.
Elon Musk, współprzewodniczący OpenAI; współtwórca i dyrektor generalny firm Tesla i SpaceX
Jest to konkretny podręcznik dotyczący deep learning. Napisany przez głównych znawców tej dziedziny, jest przejrzysty, wyczerpujący i miarodajny. Jeśli chcecie wiedzieć skąd wzięło się deep learning, do czego się nadaje oraz dokąd zmierza – jest to książka dla was.
Geoffrey Hinton FRS, emerytowany profesor Uniwersytetu w Toronto; Ceniony naukowiec w Google
Deep learning od początku tej dekady weszło przebojem do świata techniki. Istniało zapotrzebowanie na podręcznik dla studentów, praktyków i nauczycieli, w którym znajdą miejsce podstawowe pojęcia, aspekty praktyczne i zaawansowane tematy badawcze. Jest to pierwsza wyczerpująca książka na ten temat, napisana przez najbardziej innowacyjnych i twórczych naukowców w tej dziedzinie. Będzie stanowić punkt odniesienia przez wiele następnych lat.
Yann LeCun, dyrektor AI Research w Facebook; profesor informatyki, wiedzy o danych i nauro nauki na uniwersytecie nowojorskim
  • Sposób dostarczenia produktu fizycznego
    Sposoby i terminy dostawy:
    • Paczka w RUCHu - dostawa 2 dni robocze
    • Odbiór paczki w urzędzie Poczty Polskiej - dostawa 2 dni robocze
    • Dostawa Pocztą Polską - dostawa 2 dni robocze
    • Odbiór paczki w Paczkomacie InPost - dostawa 2 dni robocze
    • Dostawa kurierem - dostawa 1 dzień roboczy
    • Odbiór własny w księgarni PWN - dostawa 3 dni robocze
    Ważne informacje o wysyłce:
    • Nie wysyłamy paczek poza granice Polski.
    • Dostawa do części Paczkomatów InPost oraz opcja odbioru osobistego w księgarniach PWN jest realizowana po uprzednim opłaceniu zamówienia kartą lub przelewem.
    • Całkowity czas oczekiwania na paczkę = termin wysyłki + dostawa wybranym przewoźnikiem.
    • Podane terminy dotyczą wyłącznie dni roboczych (od poniedziałku do piątku, z wyłączeniem dni wolnych od pracy).
NAZWA I FORMAT
OPIS
ROZMIAR

    Polecamy

    Inne wydawcy

    Recenzje (2):

    Najnowsze | Najbardziej pomocne
    Czytelnik
    Dodano: 16.05.2018 09:37:28

    Jestem zawiedziony tłumaczeniem książki, jest ono fatalne. Jak można byle jak zabrać się za takie dzieło i dodatkowo sprzedawać je za krocie? To jest Polskie Wydawnictwo NAUKOWE?

    Ocena: 
    Zawiedziony czytelnik
    Dodano: 10.04.2018 00:08:15



    Ta książka, a raczej jej polskie tłumaczenie jest beznadziejne! Zalecam nie kupować.

    O ile można zrozumieć że tłumacz może nie rozumieć specjalistycznego języka matematycznego i informatycznego, to brak konsultantów do sprawdzenia poprawności tłumaczenia i wskazania błędów, podpowiedzenia tłumaczowi jakie zwroty polskie odpowiadają angielskim zwrotom używanym w matematyce i informatyce jest bardzo dziwne! Przecież tłumacz nie rozumiejący tekstu przetłumaczy specjalistyczny tekst błędnie. Zresztą mam wrażenie, że podczas tłumaczenie wiele razy użyty ty był jakiś program do tłumaczeń.

    Tej książki nie da się czytać w normalny sposób. Aby zrozumieć materiał trzeba posiłkować się wersją udostępnioną za darmo na stronie internetowej, oraz wikipedią do sprawdzania jakie jest tłumaczenie angielskich zwrotów. Co zajmuje wiele czasu.

    Oto przykłady, które zauważyłem podczas mozolnego czytania i zdołałem dojść do poprawnego tłumaczenia. Doszedłem jak na razie do strony 43 polskiego tłumaczenia. Strach pomyśleć jakie błędy są w dalszych stronach książki zwłaszcza poruszające tematy z którymi nie miałem styczności i czego błędnie się nauczę.


    Poniżej podaje:

    - zdanie po angielsku, z tekstu udostępnionego na stronie deeplearningbook,
    - tłumaczenie z książki,
    - poprawione tłumaczenie (nie jestem tłumaczem więc moje tłumaczenie jest koślawe).

    Błędnie tłumaczone zwroty, oraz moje poprawki są napisane DUŻYMI literami.


    na stronie 42 oryginału książki

    If any TWO or more eigenvectors share the same eigenvalue, then any set of orthogonal vectors lying in their SPAN ARE ALSO EIGENVECTORS with that eigenvalue, and we could equivalently choose a Q using those eigenvectors instead

    polskie tłumaczenie nas stronie 41:

    Jeśli JEDEN lub więcej wektorów własnych ma tę samą wartość własną, to każdy zbiór ortogonalnych wektorów leżący w ich ZAKRESIE STANOWI WEKTORY WŁASNE z tą samą wartością własną i można wybrać macierz Q, wykorzystującą te wektory własne zamiast innych

    poprawione tłumaczenie:

    Jeśli DWA lub więcej wektorów własnych ma tę samą wartość własną, to każdy zbiór ortogonalnych wektorów leżący w ich PODPRZESTRZENI LINIOWEJ, JEST TAKŻE ZBIOREM WEKTORÓW WŁASNYCH z tą samą wartością własną i można wybrać(STWORZYĆ) macierz Q, wykorzystującą te wektory własne zamiast innych

    Zwróćcie uwagę, że TWO zostało przetłumaczone jako jeden. Nawet nierozumiejący tekstu tłumacz nie powinien zrobić takiego błędu!



    Strona 41, oryginał po angielsku:

    We have seen that constructing matrices with specific eigenvalues and eigen-vectors enables us to STRETCH space in desired directions

    strona 40 polskie przekład

    Widzimy że budowa macierzy z określonymi wartościami własnymi i wektorami własnymi pozwala nam na ROZSZERZENIE przestrzeni w pożądanym kierunku.

    Poprawione tłumaczenie:

    Widzimy że budowa macierzy z określonymi wartościami własnymi i wektorami własnymi pozwala nam na ROZCIĄGNIĘCIE przestrzeni w pożądanym kierunku.


    Strona 42 (tytuł pod rozdziału)

    SINGULAR VALUE DECOMPOSITION

    strona 42 (polski przekład)

    DEKOMPOZYCJA WARTOŚCI OSOBLIWEJ

    poprawione tłumaczenie

    ROZKŁAD WEDŁUG WARTOŚCI OSOBLIWYCH

    Przypominam, że dopiero co zacząłem czytać, ale prawie na pewno w książce wystąpią liczne podobne błędy w tłumaczeniu.

    Ocena: