Учебная литература
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.
Обработка текстов на естественном языке (Natural Language Processing, NLP) - крайне важная задача в области искусственного интеллекта. Успешная реализация делает возможными такие продукты, как Alexa от Amazon и Google Translate. Эта книга поможет вам изучить PyTorch - библиотеку глубокого обучения для языка Python - один из ведущих инструментов для дата-сайентистов и разработчиков ПО, занимающихся NLP.
Делип Рао и Брайан Макмахан введут вас в курс дел с NLP и алгоритмами глубокого обучения. И покажут, как PyTorch позволяет реализовать приложения, использующие анализ текста.
В этой книге
- Вычислительные графы и парадигма обучения с учителем.
- Основы оптимизированной библиотеки PyTorch для работы с тензорами.
- Обзор традиционных понятий и методов NLP.
- Упреждающие нейронные сети (многослойный перцептрон и другие).
- Улучшение RNN при помощи долгой краткосрочной памяти (LSTM) и управляемых рекуррентных блоков
- Предсказание и модели преобразования последовательностей.
- Паттерны проектирования NLP-систем, используемых в продакшене.
Глубокое обучение с подкреплением (Reinforcement Learning) — самое популярное и перспективное направление искусственного интеллекта.
Практическое изучение RL на Python поможет освоить не только базовые, но и передовые алгоритмы глубокого обучения с подкреплением.
Вы начнете с основных принципов обучения с подкреплением, OpenAI Gym и TensorFlow, познакомьтесь с марковскими цепями, методом Монте-Карло и динамическим программированием, так что "страшные" аббревиатуры DQN, DRQN, A3C, PPO и TRPO вскоре перестанут вас пугать. Вы узнаете об агентах, которые учатся на человеческих предпочтениях, DQfD, HER и многих других последних достижениях RL.
Прочитав книгу, вы приобретете знания и опыт, необходимые для реализации обучения с подкреплением и глубокого обучения с подкреплением в реальных проектах, и войдете в мир искусственного интеллекта.
В этой книге вы:
• Познакомитесь с основами методов, алгоритмов и элементов RL
• Обучите агента с помощью OpenAI Gym и Tensorflow
• Освоите марковские процессы принятия решений, оптимальность Беллмана и обучение TD
• Научитесь решать проблемы многоруких бандитов
• Овладеете алгоритмами глубокого обучения, такими как RNN, LSTM и CNN
• Создадите интеллектуальных агентов с помощью алгоритма DRQN, которые смогут играть в Doom
• С помощью DDPG научите агентов играть в Lunar Lander
• Отправите агента на автогонки, используя метод DQN.
Генеративное моделирование — одна из самых обсуждаемых тем в области искусственного интеллекта. Машины можно научить рисовать, писать и сочинять музыку. Вы сами можете посадить искусственный интеллект за парту или мольберт, для этого достаточно познакомиться с самыми актуальными примерами генеративных моделей глубокого обучения: вариационные автокодировщики, генеративно-состязательные сети, модели типа кодер-декодер и многое другое.
Дэвид Фостер делает понятными и доступными архитектуру и методы генеративного моделирования, его советы и подсказки сделают ваши модели более творческими и эффективными в обучении. Вы начнете с основ глубокого обучения на базе Keras, а затем перейдете к самым передовым алгоритмам.
- Разберитесь с тем, как вариационные автокодировщики меняют эмоции на фотографиях
- Создайте сеть GAN с нуля
- Освойте работу с генеративные моделями генерации текста
- Узнайте, как генеративные модели помогают агентам выполнять задачи в рамках обучения с подкреплением
- Изучите BERT, GPT-2, ProGAN, StyleGAN и многое другое.
© 2018 - 2025 Официальный магазин канала День-ТВ. 
- Адрес: Россия, г.Москва
- Телефоны: +7(499) 350-17-79
- Email: pochta@den-magazin.ru
ул.Коровий Вал, 1Ас1, 3-й этаж ТЦ Добрынинский.
График работы магазина
ПН-ВС с 10:00 до 22:00
