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 Współczesne systemy uczące się

0.00  [ 0 ocen ]
 Sprawdź recenzje
Rozwiń szczegóły »
Wkrótce
w sprzedaży
Dodaj do schowka
Uwaga! ten produkt jest zapowiedzią i na razie nie jest sprzedawany
Data premiery: 20.11.2017

Deep Learning Współczesne systemy uczące się

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
  • Język wydania: polski
  • EAN: 9788301195830
  • Liczba stron: 900
  • Wymiary: 16.5x23.5cm
  • 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

    Nikt nie dodał jeszcze recenzji. Bądź pierwszy!