Używamy cookies, aby ułatwić korzystanie z Portalu. Możesz określić warunki przechowywania, dostępu do plików cookies w Twojej przeglądarce. Dowiedz się więcej.
strona główna Strona główna | Nowości | Promocje | Zapowiedzi Twoje konto | Zarejestruj | Schowek | Kontakt | Pomoc
mapa działów
Szukaj: szukanie zaawansowane
Koszyk
Książki

Deep Learning. Praktyczne wprowadzenie Język: 1

978-83-283-4227-9

Cena Brutto: 77.00

Cena netto: 73.33

Ilość:
Wersja: Drukowana
Autor Josh Patterson, Adam Gibson
Liczba_stron 503
Wydawnictwo Helion
Oprawa miękka
Data_Wydania 2018-07-27

Deep Learning. Praktyczne wprowadzenie


Technologie wykorzystujące różne formy uczenia maszynowego zaczynają pojawiać się w różnych branżach. Możliwości w tym zakresie stale rosną, podobnie jak zainteresowanie i oczekiwania. Przed podjęciem decyzji o wdrożeniu w firmie tego rodzaju rozwiązań trzeba jednak zadać sobie pytanie, co można i co chciałoby się osiągnąć za pomocą sieci neuronowej. Generalnie uczenie maszynowe opiera się na algorytmach wyodrębniania informacji z surowych danych i reprezentowania ich jako modelu. Model ten następnie służy do przetwarzania kolejnych surowych danych. Co to jednak oznacza w praktyce i jak się implementuje takie algorytmy?


Niniejsza książka jest przydatnym przewodnikiem po uczeniu maszynowym i sieciach neuronowych. Zawiera praktyczne informacje, które doceni każdy programista stawiający pierwsze kroki w tej dziedzinie. Przedstawiono tu podstawy deep learningu i wyjaśniono takie pojęcia, jak strojenie sieci, wielowątkowość, wektoryzowanie danych. Opisano, w jaki sposób można wykorzystać otwartą bibliotekę Deeplearning4j (DL4J) do kodowania profesjonalnych procesów uczenia głębokiego. Zaprezentowano metody i strategie trenowania sieci głębokich i uruchamiania procesów uczenia głębokiego w środowiskach Spark i Hadoop. Zagadnienia te zostały zilustrowane gotowymi do zastosowania, praktycznymi przykładami.


W tej książce między innymi:

  • ogólne koncepcje uczenia maszynowego, uczenia głębokiego i sieci neuronowych
  • ewolucja sieci neuronowych do sieci głębokich i ich rodzaje
  • dobieranie rodzaju sieci do analizowanego zagadnienia
  • strojenie sieci neuronowych i sieci głębokich
  • korzystanie z narzędzia DataVec do wektoryzowania danych różnych typów
  • stosowanie biblioteki DL4J w środowiskach Spark i Hadoop


    Prolog (7)

    Rozdział 1 (9)

    Rozdział 2 (15)

    Rozdział 3 (41)

    Rozdział 4 (61)

    Rozdział 5 (73)

    Rozdział 6 (87)

    Rozdział 7 (109)

    Rozdział 8 (115)

    Rozdział 9 (131)

    Rozdział 10 (153)

    Rozdział 11 (169)

    Rozdział 12 (189)

    Rozdział 13 (205)

    Rozdział 14 (227)

    Rozdział 15 (243)

    Rozdział 16 (257)

    Rozdział 17 (273)

    Rozdział 18 (285)

    Rozdział 19 (309)

    Rozdział 20 (329)

    Rozdział 21 (337)

    Rozdział 22 (353)

    Rozdział 23 (367)

    Rozdział 24 (381)

    Rozdział 25 (397)

    Rozdział 26 (413)

    Epilog (423)

    Playlista (427)

    Podziękowania (429)

powrót
 
Produkty Podobne
Bezpiecznie już było. Jak żyć w świecie sieci, terrorystów i ciągłej niepewności
Agile. Retrospektywy w zarządzaniu standardami
E-mail marketing oswojony. Teoria, praktyka, prawda
Finansowanie startupów. Poradnik przedsiębiorcy
Programowanie w ASP.NET Core
C++17 STL. Receptury
Programowanie strukturalne
Uszyj to! Modne ubrania i dodatki w 5 minut
Rozwijanie mikrousług w Pythonie. Budowa, testowanie, instalacja i skalowanie
Znajdź swoje DLACZEGO. Droga do poczucia spełnienia i wewnętrznej motywacji
Więcej produktów