Грант Бейлевельд , Джон Крон , Аглаэ Бассенс - Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту
Название: | Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту | |
Автор: | Грант Бейлевельд , Джон Крон , Аглаэ Бассенс | |
Жанр: | Искусственный интеллект | |
Изадано в серии: | Библиотека программиста | |
Издательство: | Питер | |
Год издания: | 2020 | |
ISBN: | 978-5-4461-1574-7 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту"
Глубокое обучение стало мощным двигателем для работы с искусственным интеллектом. Яркие иллюстрации и простые примеры кода избавят вас от необходимости вникать в сложные аспекты конструирования моделей глубокого обучения, делая сложные задачи доступными и увлекательными. Джон Крон, Грант Бейлевельд и замечательный иллюстратор Аглаэ Бассенс используют яркие примеры и аналогии, которые позволяют объяснить, что такое глубокое обучение, почему оно пользуется такой популярностью и как эта концепция связана с другими подходами к машинному обучению. Книга идеально подойдет разработчикам, специалистам по обработке данных, исследователям, аналитикам и начинающим программистам, которые хотят применять глубокое обучение в своей работе. Теоретические выкладки прекрасно дополняются прикладным кодом на Python в блокнотах Jupyter. Вы узнаете приемы создания эффективных моделей в TensorFlow и Keras, а также познакомитесь с PyTorch. Базовые знания о глубоком обучении позволят создавать реальные приложения — от компьютерного зрения и обработки естественного языка до генерации изображений и игровых алгоритмов. 16+
Читаем онлайн "Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту". [Страница - 5]
Исследование данных из IMDb........................................................................................272
Стандартизация длин отзывов..........................................................................................275
Полносвязанная сеть............................................................................................................276
Сверточные сети.....................................................................................................................283
Сети, специализирующиеся на изучении последовательных данных.......................288
Рекуррентные нейронные сети..........................................................................................288
Реализация RNN с помощью Keras..................................................................................290
Долгая краткосрочная память...........................................................................................293
Реализация LSTM с помощью Keras...............................................................................295
Двунаправленные LSTM.....................................................................................................297
Многослойные рекуррентные модели............................................................................297
Seq2seq и механизм внимания...........................................................................................299
Перенос обучения в NLP.....................................................................................................300
Непоследовательные архитектуры: функциональный API в библиотеке Keras........302
Итоги.................................................................................................................................................307
Глава 12. Генеративно-состязательные сети...................................................... 309
Базовая теория GAN....................................................................................................................309
Набор данных Quick, Draw!...............................................................................................314
Сеть дискриминатора..................................................................................................................317
Сеть генератора..............................................................................................................................320
Состязательная сеть.....................................................................................................................323
Обучение генеративно-состязательной сети.......................................................................326
Итоги.................................................................................................................................................332
Оглавление
11
Глава 13. Глубокое обучение с подкреплением . ................................................ 334
Теоретические основы глубокого обучения с подкреплением.....................................334
Игра Cart-Pole.........................................................................................................................335
Марковский процесс принятия решений......................................................................338
Оптимальная стратегия.......................................................................................................340
Базовая теория сетей глубокого Q-обучения......................................................................342
Функции ценности................................................................................................................343
Функции Q-ценности...........................................................................................................343
Оценка оптимальной Q-ценности....................................................................................344
Определение агента DQN..........................................................................................................345
Инициализация параметров...............................................................................................347
Создание модели нейронной сети агента......................................................................349
Запоминание игрового процесса......................................................................................350
Обучение посредством воспроизведения воспоминаний........................................351
Выбор действия......................................................................................................................352
Сохранение и загрузка параметров модели..................................................................353
Взаимодействие с окружением из OpenAI Gym................................................................353
Оптимизация гиперпараметров с помощью SLM Lab.....................................................357
Другие агенты, отличные от DQN...........................................................................................360
Градиенты стратегий и алгоритм REINFORCE..........................................................361
Алгоритм Actor-Critic...........................................................................................................362
Итоги.................................................................................................................................................363
ЧАСТЬ IV. ВЫ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ...........................................................................365
Глава 14. Вперед, к собственным проектам глубокого обучения......................... 366
Идеи для проектов глубокого обучения...............................................................................366
Компьютерное зрение и генеративно-состязательные сети....................................366
Обработка естественного языка........................................................................................368
Глубокое обучение с подкреплением..............................................................................369
Преобразование имеющегося проекта машинного обучения.................................370
Ресурсы для будущих --">
Книги схожие с «Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту» по жанру, серии, автору или названию:
Андрей Бурков - Машинное обучение без лишних слов Жанр: Искусственный интеллект Год издания: 2020 Серия: Библиотека программиста |
Чару Аггарвал - Нейронные сети и глубокое обучение: учебный курс Жанр: Учебники и пособия: прочее Год издания: 2020 |
Лаура Грессер, Ван Лун Кенг - Глубокое обучение с подкреплением. Теория и практика на языке Python Жанр: Python Год издания: 2022 Серия: Библиотека программиста |
Мартин Форд - Архитекторы интеллекта Жанр: Научно-популярная и научно-познавательная литература Год издания: 2019 Серия: Библиотека программиста |
Другие книги из серии «Библиотека программиста»:
Кэл Ньюпорт - В работу с головой. Паттерны успеха от IT-специалиста Жанр: Психология Серия: Библиотека программиста |
Роберт Сесил Мартин - Чистый код. Создание, анализ и рефакторинг Жанр: Современные российские издания Год издания: 2019 Серия: Библиотека программиста |
Роберт С. Сикорд - Эффективный С. Профессиональное программирование Жанр: Программирование: прочее Год издания: 2022 Серия: Библиотека программиста |
Алекс Сюй - System Design. Подготовка к сложному интервью Жанр: Корпоративная культура Год издания: 2022 Серия: Библиотека программиста |