15 лучших книг по глубинному обучению и нейронным сетям

Интересуетесь нейросетями и машинным обучением? Собрали подборку из 15 книг по глубинному обучению, которые помогут освоить эти технологии.

Ловите свежую подборку книг Deep Learning, которая поможет свернуть горы!

Гудфеллоу Я., Бенджио И., Курвилль А. − Глубокое обучение, 2017 г.

Эта книга считается «Библией», одной из лучших книг по глубинному обучению. Несмотря на то, что она написана техническим языком, её сможет осилить и технологический новичок.

Внутри рассказывается о математических и концептуальных основах, линейной алгебре, теории вероятностей и теории информации, численных вычислениях и машинном обучении. Она описывает методы глубокого обучения, используемые практиками в отрасли. Сюда входят сети с прямой связью, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и практическая методология. Кроме того, вы узнаете об обработке естественного языка, распознавании речи, компьютерном зрении, системе онлайн-рекомендаций, биоинформатике и видеоиграх.

Франсуа Шолле − Глубокое обучение на Python, 2018 г.

Это учебник по моделям глубокого обучения с использованием языка Python и мощной библиотеки Keras. Написанная создателем Keras и исследователем Google AI Франсуа Шолле, эта книга укрепит понимание технологии через объяснения и практические примеры. Вы исследуете сложные концепции и попрактикуетесь с приложениями в области компьютерного зрения, обработки естественного языка и генеративных моделей. К тому времени, как вы закончите, у вас будут знания и практические навыки для применения глубокого обучения в ваших собственных проектах.

Орельен Жерон − Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow, 2018 г.

Эта книга предполагает, что вы почти ничего не знаете о машинном обучении. Её цель − дать вам концепции, знания и инструменты для реализации программ, способных учиться на данных. Здесь рассматривается большое количество методов. Например, линейная регрессия или олимпиадные способы решения задач.

Вместо того, чтобы реализовывать собственные игрушечные версии каждого алгоритма, авторы используют существующие готовые к работе платформы Python вроде Scikit-Learn и TensorFlow.

Ричард Саттон, Эндрю Барто − Обучение с подкреплением, 2017 г.

Ричард Саттон и Эндрю Барто дают ясное и простое описание ключевых идей и алгоритмов обучения с подкреплением. Оно основано на том, что агент пытается максимизировать получаемый выигрыш, действуя в сложной среде с высоким уровнем неопределенности. Предназначена для специалистов в области искусственного интеллекта, нейросетевого моделирования и управления, а также студентов и аспирантов.

Ясер Абу-Мостафа, Малик Магдон-Исмаил, Сюань-Тянь Линь − Learning From Data, 2012 г.

Следующий материал в подборке книг по глубинному обучению распространяется вместе со специально подготовленными онлайн-материалами. Здесь вы найдете введение в машинное обучение, что позволяет вычислительным системам улучшать свою производительность с помощью накопленного опыта. Это короткий курс, поэтому ждите качественно структурированной информации Здесь основные темы, которые должен знать каждый. Важно, что читателям также доступны электронные, регулярно обновляемые главы книги.

Адриан Роузброк − Deep Learning for Computer Vision with Python, 2017 г.

Эта книга не только для начинающих. Специалисты разного уровня с помощью этой книги смогут создавать обычное программное обеспечение, обрабатывать естественные языки, рисовать графики, производить сложные математические вычисления, составлять фото-роботы, а также создавать программы компьютерного зрения с помощью глубокого обучения.

Это руководство познакомит вас с основами компьютерного зрения, библиотеками и лучшими практиками.

Эндрю Траск − Grokking Deep Learning

Книга научит вас строить нейронные сети глубокого обучения с нуля. Эндрю Траск расскажет об устройстве технологии изнутри. Особенно полезна тем, кто уже знаком с математикой и программированием на среднем уровне. В процессе изучения вы узнаете о том, как учатся нейронные сети, построите сети, которые смогут распознавать и анализировать изображения, играть в видеоигры, переводить текст между языками и даже писать, как Шекспир.

Андрей Бурков − The Hundred-Page Machine Learning Book, 2019 г.

Эта книга является введением в машинное обучение от специалиста мирового уровня и суперзвезды LinkedIn Андрея Буркова. Она позволит начать работу с ML в течение нескольких дней. Достаточно первых пяти глав, а остальные понравятся практикующим инженерам, желающим использовать ML в своей повседневной работе, не тратя огромное количество времени на прохождение длинных курсов.

Максим Лапань − Deep Reinforcement Learning Hands-On, 2018 г.

Это ещё одна из популярных книг по глубинному обучению. Использование алгоритмов Google в играх, победы роботов над человеком заставили технических специалистов по всему миру начать следить за технологиями машинного обучения ещё пристальнее.

Книга является исчерпывающим руководство по самым последним инструментам deep learning. Вы будете оценивать методы, включая перекрестную энтропию, учиться применять их в реальных условиях.

А ещё вы познаете основы обучения с подкреплением, сделаете робота для торговли акциями и научитесь применять естественный язык для развития чат-ботов.

Сергей Николенко, А. Кадурин, Екатерина Архангельская − Глубокое обучение. Погружение в мир нейронных сетей, 2018 г.

Одна из немногих книг по глубинному обучению на русском. Внутри много математики, теории, основ и рассуждений, охватывающих большую часть того, что касается машинного обучения. По сути, это всеобъемлющее руководство для новичков, которые желают разобраться в вопросах работы с нейронными сетями.

Джуда Перл − The Book of Why, 2018 г.

Книга от всемирно известного ученого-компьютерщика Джуды Перл. Совместно с коллегами, он развеял стереотипы о причинно-следственной связи и объяснил, как мышление позволяет исследовать существующий и возможные миры, разобрал сущность человеческого и искусственного интеллекта. Как говорят авторы, книга нужна для того, чтобы показать ширину мышления.

Сандро Сканси − ​​Introduction to Deep Learning, 2018 г.

Краткое, лёгкое и доступное введение в машинное обучение. Преимущество этой книги перед другими в простых примерах для новичков. В ней вы найдёте популярные алгоритмы и архитектурные решения, интуитивно понятные любому начинающему разработчику. Книга охватывает важные темы: от обучения нейронных сетей, обработки языка, нейронных сетей с обратной связью, до математических предпосылок и истории искусственного интеллекта. Все примеры на языке программирования Python.

Эндрю Ын − Machine Learning Yearning, 2018 г.

Эта книга посвящена не алгоритмам машинного обучения, а тому, как заставить работать эти алгоритмы.

Чему она научит? Например, расстановке приоритетов, диагностике ошибок в системе машинного обучения, обучению систем в тестовом режиме. А ещё настройке проектов и сравнению их результатов с подобными, которые выполнены вручную человеком. Читатели узнают, когда и как применять сквозное, трансферное и многозадачное обучение.

Кристоф Молнар − Interpretable Machine Learning, 2019 г.

Книга о том, как сделать модели машинного обучения и их решения понятными.

Вы узнаете о простых, интерпретируемых моделях. Например, о деревьях решений, правилах принятия решений и линейной регрессии. Все методы интерпретации подробно объясняются: сильные и слабые стороны, техническое устройство, варианты интерпретации результатов.

Кому подходит эта книга? В первую очередь, она ориентирована на практиков машинного обучения − учёных статистиков. Но будет полезна всем, кто заинтересован в том, чтобы сделать модели машинного обучения понятными.

Майкл Нильсен − Neural Networks and Deep Learning, 2015 г.

Нейронные сети − одна из самых крутых парадигм программирования. В традиционном подходе к программированию мы разбиваем большие задачи на множество мелких и понятных. Это помогает компьютеру быстрее их выполнять. Нейронные сети учатся сами решать поступающие проблемы. По этой причине, сегодня всё больше крупных технологических компаний начинают применять технологии машинного обучения

Цель книги − помочь вам освоить основные понятия нейронных сетей, включая современные методы глубокого обучения. В процессе изучения книги, вы будете писать код, использующий нейронные сети и глубокое обучение для решения сложных задач. Таким образом, авторы рассчитывают сформировать у читателей фундаментальные навыки работы с технологией.

• Введение в глубинное обучение
• Пишем свою нейросеть: пошаговое руководство
• 8 лучших ресурсов для самостоятельного изучения Machine Learning

Источник: Подборка книг по глубинному обучению, которые стоит прочитать в 2019 году на FloydHub

Что читать о нейросетях / Хабр

Нейросети переживают второй Ренессанс. Сначала еще казалось, что сообщество, решив несколько прикладных задач, быстро переключится на другую модную тему. Сейчас очевидно, что спада интереса к нейросетям в ближайшем будущем не предвидится. Исследователи находят новые способы применения технологий, а следом появляются стартапы, использующие в продукте нейронные сети.

Стоит ли изучать нейросети не специалистам в области машинного обучения? Каждый для себя ответит на этот вопрос сам. Мы же посмотрим на ситуацию с другой стороны — что делать разработчикам (и всем остальным), которые хотят больше знать про методы распознавания образов, дискриминантный анализ, методы кластеризации и другие занимательные вещи, но не хотят расходовать на эту задачу лишние ресурсы.

Ставить перед собой амбициозную цель, с головой бросаться в онлайн-курсы — значит потратить много времени на изучение предмета, который, возможно, вам нужен лишь для общего развития. Есть один проверенный (ретроградный) способ, занимающий по полчаса в день. Книга — офлайновый источник информации. Книга не может похвастаться актуальностью, но за ограниченный период времени даст вам фундаментальное понимание технологии и способов ее возможной реализации под ваши задачи.

Если у вас уже есть базовые знания в области машинного обучения, и вы хотите двигаться дальше, то авторы «Neural Network Toolbox для MATLAB» предложат вам четкое и подробное погружение в фундаментальные основы архитектуры нейронных сетей и методов обучения. Методы обучения приводятся как для нейронных сетей прямого распространения (включая многослойные и радиальные сети), так и для рекуррентных сетей. Дополнительно к книге можно получить иллюстрации и код для примеров (сайт).

Священная книга сверточных нейронных сетей и глубокого обучения — без шуток, это действительно очень важная книга, которую рекомендуют многие успешные разработчики… и не только они. «Написанная тремя экспертами, «Deep Learning» является единственной всеобъемлющей книгой в этой области», — так сказал Илон Маск, и если вы верите в надежность автопилота Tesla и перспективы проекта OpenAI, то ему можно верить. 🙂

Книга предлагает математический инструментарий и фундаментальные основы, охватывающие линейную алгебру, теории вероятностей и теории информации, численные методы и непосредственно машинное обучение. В «Deep Learning» описываются методы глубокого обучения, используемые специалистами-практиками в промышленности, в том числе глубокие сети прямого распространения, алгоритмы оптимизации, сверточные сети, методы Монте-Карло, построение сетевой модели и т.д. Кроме того, вы узнаете много интересного про обработку естественного языка, распознавание речи, компьютерное зрение, системы рекомендаций, биоинформатику и даже игры. Проще сказать, чего в этой книге нет… хотя и это сложно — если вы чего-то не найдете на 800 страницах, есть еще сайт к книге с дополнительными материалами.

P.S. Электронная версия книги выложена в открытый доступ.

Классика жанра, фундаментальный труд 1996 года из эры до глубокого обучения. Если вы хотите не только познакомиться с предметом машинного обучения, но и стать специалистом в этой области, стоит познакомиться и с таким взглядом на проблематику. В книге меньше (по сравнению с другими в этой подборке) чистой математики, вместо этого делается попытка дать читателю интуитивное понимание концепции нейронных сетей. Делается это за счет глубины подхода — нет попыток сходу написать свою сеть; автор сначала предлагает изучить теоретические законы и модели на примере биологии. Не будем забывать, что каждый человек обладает своей собственной нейронной сетью. На простых примерах показывается, как изменяются свойства моделей, когда вводятся общие вычислительные элементы и сетевые топологии.

Если вам понравится предыдущая книга из подборки, то можете усилить знания схожим по концепции изданием 2006 года. «Распознавание образов и машинное обучение» стал первым учебником по распознаванию образов, представляющим Байесовский метод (хотя сама формула Байеса была опубликована аж в 1763 году). В книге представлены алгоритмы вывода, которые позволяют быстро найти ответы в ситуациях, когда точные ответы невозможны. Автор Кристофер Бишоп, директор лаборатории Microsoft Research Cambridge, первым дал пояснение графическим моделям для описания вероятностных распределений.

P.S. В 2013 году подразделение Microsoft Research выпустила в открытый доступ отдельную книгу Deep Learning.

Одна из лучших книг по основам машинного обучения (в связке с Python), написанная за несколько лет до того, как нейросети обрели культовый статус. Но возраст ей не помеха — методы коллаборативной фильтрации, байесовская фильтрация, метод опорных векторов сохраняют актуальность. Затрагиваются принципы работы поисковых систем (поисковые роботы, индексы, механизмы запросов и алгоритм PageRank), алгоритмы оптимизации, неотрицательная матричная факторизация и другие темы.

Пошаговое путешествие по математике нейронных сетей к созданию собственных сеток с помощью Python. Большой плюс книги — заниженные требования к объему знаний читателя. В области математики потребуются лишь школьные знания (без глубокого погружения). Авторы поставили себе цель дать представление о нейросетях самому широкому кругу читателей. Похвально, учитывая, как много книг написано для продвинутых специалистов.

После прочтения вы сможете сделать главное: писать код на Python, создавать свои собственные нейронные сети, обучая их распознавать различные изображения, и даже создавать решения на базе Raspberry Pi. Математика в книге тоже есть, но она не заставит кричать от ужаса (что возможно, если область вашей деятельности сильно далека от алгоритмов) — математические идеи, лежащие в основе нейронных сетей, даются с большим количеством иллюстраций и примеров.

P.S. Если вы заинтересовались, но не можете заниматься по книге, рекомендуем одноименный блог с большим количеством полезных статей.

«Машинное обучение на Python» это сборник полезных советов для начинающих специалистов по машинному обучению. Почему Python? Так автор захотел, просто ему язык нравится. Себастьян Рашка объясняет самые общие концепции, дополняет их необходимым математическим аппаратом для понимания темы на внутрисистемном уровне, приводит примеры и объясняет способы реализации. Также есть репозиторий на GitHub с общей информацией и примерами кода. Планируется перевод книги на русский язык.

Эта книга кратко познакомит вас с миром машинного обучения. Кроме того, читателям предоставляется бесплатный доступ к онлайн-главам, которые постоянно обновляются в соответствии с тенденциями в области машинного обучения. Это книга рекомендуется тем, кто только-только начал знакомиться с предметом и не понимает, что значит высказывание «обучение на массиве данных».

Авторы соблюдают баланс между теоретической и практической частью машинного обучения. Эта книга используется в качестве учебного пособия в Калифорнийском технологическом институте, Политехническом институте Ренсселера (США) и Национальном университете Тайваня. Авторы также активно консультируются с финансовыми и коммерческими компаниями по приложениям, использующим машинное обучение.

Популярная книга от известных авторов Stuart Russell и Peter Norvig, которая пережила уже третье издание. Полное, современное введение в теорию и практику искусственного интеллекта, предназначенное для учащихся первых курсов вуза. Книга используется в качестве введения в тему на огромном количестве курсов по Data science и ИИ. Если вас интересует применение нейросетей именно для создания искусственного интеллекта, с нее можно начать путь в этой увлекательной и очень сложной области.

Artificial Intelligence: A Modern Approach есть в открытом доступе.

Эта «книга» не совсем книга — у нее даже обложки нет. Но перед вами действительно полноценное издание, выложенное в открытый доступ (по ссылке выше). Майкл Нильсен дает отличное введение в нейронные сети в серии пошаговых примеров, посвященных проблемам распознавания рукописных цифр. Книга хорошо подходит для тех, у кого уже есть опыт машинного обучения, и хочется глубже вникнуть в нейронные сети.

Заключение

Теперь даже программисты, которые почти ничего не знают о технологии глубокого машинного обучения, могут использовать простые и эффективные инструменты для создания самообучающихся программ.

Что касается книг по нейросетям на русском, то отзывы о них противоречивые. «Нейронные сети. Полный курс» Саймона Хайкина отличается повышенной сложностью и неоднозначным переводом (но если вас не пугает, можете ознакомиться). Найти книгу, которая была бы на таком же уровне качества, как и другие издания в подборке, нам так и не удалось. Если вы можете что-то порекомендовать, напишите в комментариях.

Нейронные сети и глубокое обучение

Нейронные сети и глубокое обучение

О чем эта книга

Об упражнениях и задачах

Использование нейронных сетей для распознавания рукописных цифр

Как работает алгоритм обратного распространения

Улучшение нейронных сетей узнать

Наглядное доказательство того, что нейронные сети могут вычислить любую функцию

Почему глубокие нейронные сети трудно обучать?

Глубокое обучение

Приложение: есть ли простой алгоритм разведки?

Благодарности

Часто задаваемые вопросы

---

---

Спонсоры

Рабочие станции, серверы и ноутбуки для глубокого обучения

---

Ресурсы

---

Нейронные сети — одна из самых красивых парадигм программирования когда-либо изобретаемый. В традиционном подходе к программированию мы говорим компьютер, что делать, разбивая большие проблемы на множество мелких, точно определенные задачи, которые компьютер может легко выполнять. К Напротив, в нейронной сети мы не говорим компьютеру, как решать наша проблема. Вместо этого он учится на данных наблюдений, выясняя собственное решение поставленной задачи.

Автоматическое обучение на основе данных звучит многообещающе. Однако пока 2006 мы не знали, как обучить нейронные сети, чтобы превзойти больше традиционные подходы, за исключением нескольких специализированных задач. Что изменением в 2006 году стало открытие методов обучения в так называемые глубокие нейронные сети. Эти методы теперь известны как глубокое обучение. Они получили дальнейшее развитие, и сегодня глубокие нейронные сети и глубокое обучение обеспечивают выдающуюся производительность во многих важные проблемы компьютерного зрения, распознавания речи и естественных обработка языка. Они развертываются в больших масштабах таких компаний, как Google, Microsoft и Facebook.

Цель этой книги — помочь вам освоить основные концепции нейронные сети, в том числе современные методы глубокого обучения.

После Работая с книгой, вы напишете код, использующий нейронные сети. сети и глубокое обучение для решения сложных задач распознавания образов проблемы. И у вас будет основа для использования нейронных сетей и глубокое обучение для решения проблем, которые вы придумали сами.

Принципиальный подход

Одно из убеждений, лежащих в основе этой книги, состоит в том, что лучше получить глубокое понимание основных принципов нейронных сетей и глубокое обучение, а не смутное понимание длинного списка идеи. Если вы хорошо усвоили основные идеи, вы сможете быстро понять другой новый материал. В терминах языка программирования подумайте как овладение основным синтаксисом, библиотеками и структурами данных новый язык. Вы по-прежнему можете «знать» только крошечную долю общий язык — многие языки имеют огромные стандартные библиотеки — но новые библиотеки и структуры данных можно понять быстро и легко.

Это означает, что книга категорически не является учебным пособием по использованию некоторых конкретная библиотека нейронных сетей. Если вы в основном хотите изучить свой вокруг библиотеки, не читайте эту книгу! Найдите нужную библиотеку учиться и работать с учебниками и документацией. Но будь предупредил. Хотя это имеет немедленную отдачу от решения проблем, если вы хотите понять, что на самом деле происходит в нейронных сетях, если вы хотите получить информацию, которая будет актуальна через много лет, тогда недостаточно просто изучить какую-нибудь горячую библиотеку. Вам необходимо понять надежные, устойчивые идеи, лежащие в основе работы нейронных сетей. Технологии приходят и уходят, а понимание остается навсегда.

Практический подход

Мы изучим основные принципы нейронных сетей и глубокого анализа. обучение путем решения конкретной проблемы: проблема обучения компьютер для распознавания рукописных цифр. Эта проблема чрезвычайно трудно решить, используя традиционный подход к программированию. И все же, как мы увидим, ее вполне можно решить с помощью простого нейронная сеть, состоящая всего из нескольких десятков строк кода и без каких-либо специальных библиотеки.

Более того, мы улучшим программу через множество итерации, постепенно включающие все больше и больше основных идей о нейронных сетях и глубоком обучении.

Этот практический подход означает, что вам потребуется немного программирования опыт чтения книги. Но вам не нужно быть профессионалом программист. Я написал код на Python (версия 2.7), который, даже если вы не программируете на Python, должно быть легко понять с помощью просто небольшое усилие. По ходу книги мы разовьем небольшая библиотека нейронных сетей, которую вы можете использовать для экспериментов и чтобы построить понимание. Весь код доступен для скачивания здесь. Когда вы закончите книгу или прочитаете ее, вы сможете легко выбрать создать одну из наиболее полнофункциональных библиотек нейронных сетей, предназначенных для использования в производстве.

Кстати, математические требования для прочтения книги таковы. скромный. В большинстве глав есть немного математики, но обычно просто элементарная алгебра и графики функций, которых я ожидаю больше всего читатели будут в порядке с. Я иногда использую более продвинутые математике, но структурировали материал таким образом, что вы можете следовать даже если некоторые математические детали ускользают от вас. Единственная глава, в которой используется более тяжелая математика экстенсивно является главой 2, которая требует немного многовариантного исчисления и линейной алгебры. Если те не знакомы, я начинаю главу 2 с обсуждение того, как ориентироваться в математике. Если вы найдете это очень тяжело, вы можете просто перейти к резюме основные результаты главы. В любом случае не стоит беспокоиться это в самом начале.

Книга редко стремится быть одновременно ориентированной на принципы и руки вверх. Но я верю, что вы научитесь лучше всего, если мы создадим фундаментальные идеи нейронных сетей. Мы будем разрабатывать живой код, а не просто абстрактная теория, код, который вы можете исследовать и расширять. Сюда вы поймете основы, как в теории, так и на практике, и будьте готовы к дальнейшему расширению своих знаний.

Нейронные сети с нуля в Python Книга

«Нейронные сети с нуля» — это книга, предназначенная для того, чтобы научить вас создавать нейронные сети самостоятельно, без каких-либо библиотек, чтобы вы могли лучше понять глубокое обучение и как все элементов работают. Это делается для того, чтобы вы могли выйти и делать новые/новые вещи с помощью глубокого обучения, а также добиться большего успеха с еще более базовыми моделями.

Эта книга дополняет обычные бесплатные обучающие видео и примеры кода с youtube.com/sentdex. Эта тема требует нескольких сред и сеансов. Чрезвычайно полезно иметь что-то вроде печатной копии, в которой вы можете делать заметки или получать к ней доступ без компьютера / в автономном режиме. Все это, а также возможность для спонсоров выделять и оставлять комментарии прямо в тексте должны сделать изучение предмета еще проще.

Физические книги печатаются по запросу в типографиях по всему миру. Сроки доставки будут сильно различаться в зависимости от местных и глобальных факторов, но, как правило, ожидайте доставку в течение 3-6 недель.

Книга Neural Networks from Scratch напечатана в полноцветном режиме как для изображений, так и для диаграмм, а также для подсветки синтаксиса Python для кода и ссылок на код в тексте.

Физическая версия Neural Networks from Scratch доступна как в мягкой, так и в твердой обложке:

Во-первых, здесь нет никаких дополнений «введение в программирование»! Книга начинается с краткого описания того, что такое нейронные сети, и некоторых общих сведений о структуре алгоритмов машинного обучения. » и «этикетки» … и т.д.

В кратчайшие сроки мы кодируем наши первые нейроны, создаем слои нейронов, строим функции активации, вычисляем потери и выполняем обратное распространение с помощью различных оптимизаторов. Здесь описано все, что нужно для написания кода, обучения и использования нейронной сети с нуля в Python.

Все, что мы делаем, сначала показано на чистом, необработанном языке Python (без сторонних библиотек). Затем вам покажут, как использовать NumPy (стороннюю библиотеку Python для математических вычислений), чтобы делать то же самое, так как дополнительные сведения об использовании NumPy могут быть большим дополнительным преимуществом книги.

В этой книге вы:

• — Закодируете нейрон
• — Узнайте, как соединить эти нейроны в слоях
• — Функции активации программы: Rectified Linear (ReLU), Softmax, Sigmoid и Linear
• — Рассчитать кросс-энтропийную потерю
• — Программирование и выполнение вычислений градиента с использованием обратного распространения и обновления параметров с использованием оптимизаторов: Stochastic Gradient Descent (SGD), AdaGrad, RMSprop и Adam
• — …и самое главное: создайте и обучите полностью работающую нейронную сеть с нуля на Python. .. многому научитесь!

Некоторые понятия, которые также объясняются текстом и изображениями, также могут быть дополнены анимацией. В книге будут QR-коды, которые помогут объяснить некоторые концепции, например (вам нужно приложение для сканирования QR на вашем телефоне, и вы можете попробовать его):

Когда дело доходит до руководств по глубокому обучению , работа педагога состоит в том, чтобы упростить, чтобы вещи легче усваивались. При глубоком обучении это означает импорт библиотеки с простым в использовании API, таким как TensorFlow/Keras или Pytorch.

Это означает решение уже решенной проблемы. Это означает использование простого набора данных. Это означает использование заранее спланированной сети, которая, как известно, работает с этими данными.

…и это означает, что вы, вероятно, рухнете навзничь, когда попытаетесь решить что-то, что кто-то еще не решил за вас.

Для базовых задач классификации, таких как кошки и собаки, очень элементарное знание нейронных сетей может привести вас туда, где вы хотите быть большую часть времени, но вы почти наверняка обнаружите, что слепо меняете вещи без какой-либо реальной цели, когда вы охотитесь за чем-то. который работает или работает лучше, чем то, что у вас есть в настоящее время.

Если вы действительно хотите знать, что происходит с данными, когда они поступают в ваши нейроны, что делают ваши функции активации скрытого слоя, что делают ваши функции активации выходного слоя, как рассчитываются потери, как оптимизаторы подходят и, важно, как создавать модели, которые делают новые или новые вещи, тогда вам потребуется более глубокое понимание того, что предлагает эта книга.

При покупке любой версии книги также предоставляется доступ к электронной книге.

Электронная книга поставляется в двух формах. После покупки вы должны получить PDF-версию в течение нескольких минут на свою электронную почту. У нас также есть версия Google Documents, которая позволяет вам выделять и комментировать в книге, чтобы задавать вопросы, которые мы (авторы) и все остальные можем увидеть и помочь с ними. Доступ к Документу Google может занять до 48 часов.

Если есть место, где вы запутались или запутались, вы можете выделить его и опубликовать комментарий в точном месте общедоступного документа, как показано на видео ниже:

Ваш браузер не поддерживает видео тег.

Это хорошо для вас, потому что вы можете получить непосредственную помощь и поддержку по сложному предмету, и это здорово для нас, потому что это поможет нам улучшить книгу с течением времени, показывая нам, где общие болевые точки и путаницы находятся в книге.

Если вы действительно хотите убедиться, что выучите этот материал и не заблудитесь, я не могу представить себе лучшего способа сделать это.

Предполагается, что вы знаете только основы Python и объектно-ориентированного программирования, оба из которых вы можете изучить здесь бесплатно.

От вас ничего не требуется знать о нейронных сетях или математике, которая в них используется.

Вы должны иметь знания математики на уровне средней школы в целом вплоть до линейной алгебры. Книга объясняет все, кроме этого. Если вы хотите освежить свои знания по математике, всегда есть Академия Хана. У меня не было хороших результатов по математике в школе, и я не посещал математические курсы в колледже, но я выучил все эти вещи бесплатно онлайн, и вы тоже можете!

Связаться с

Если вам интересно, где находится ваш черновой доступ, или у вас есть какие-либо вопросы, пожалуйста, не стесняйтесь обращаться по электронной почте harrison@pythonprogramming. net

Вы также можете получать электронные письма с [email protected] , которые мы в настоящее время используем для автоматической обработки некоторых проблем с доставкой заказа. Если вам интересно, где находится ваша книга, позвоните по телефону [email protected] и проверьте папки со спамом на наличие чего-либо по адресу [email protected] 9.0097 .

Политика возмещения/возврата:

В связи с тем, как эти книги распространяются (буквально отправляются из типографий по всему миру) и электронным доступом (черновик/электронная книга), где вы можете купить, загрузить, а затем запросить возмещение, я буду проходить возвраты/возвраты в каждом конкретном случае. Для физических книг они «печатаются по запросу», что означает, что процесс печати начинается почти сразу после вашего заказа на ближайшем к вам принтере.

Вы должны покупать книги под впечатлением условия НЕВОЗВРАТА/ВСЕ ПРОДАЖИ ОКОНЧАТЕЛЬНЫ, особенно при покупке только электронной книги.