Zapisz na liście zakupowej
Stwórz nową listę zakupową
Zapisz na liście zakupowej
Stwórz nową listę zakupową
Bezpieczne zakupy
Idosell security badge
Głębokie uczenie. Wprowadzenie
zoom

Głębokie uczenie. Wprowadzenie

Dostępny
Dostępny
45,40 zł
brutto / szt.
Zwroty do 15 dni
Bezpieczne zakupy
Odroczone płatności. Kup teraz, zapłać za 30 dni
Kup teraz, zapłać później - 4 kroki
Przy wyborze formy płatności, wybierz PayPo jeżeli dokonujesz zakupu jako konsument.PayPo - kup teraz, zapłać za 30 dni
PayPo opłaci twój rachunek w sklepie.
Na stronie PayPo sprawdź swoje dane i podaj pesel.
Po otrzymaniu zakupów decydujesz co ci pasuje, a co nie. Możesz zwrócić część albo całość zamówienia - wtedy zmniejszy się też kwota do zapłaty PayPo.
W ciągu 30 dni od zakupu płacisz PayPo za swoje zakupy bez żadnych dodatkowych kosztów. Jeśli chcesz, rozkładasz swoją płatność na raty.

Głębokie uczenie. Wprowadzenie

Autor: Jacek Tabor, Marek Śmieja, Łukasz Struski, Przemysław Spurek, Maciej Wołczyk
ISBN: 978-83-283-8541-2
Liczba stron: 184
Format: 158x235
Oprawa: miękka


Opanuj podstawy uczenia maszynowego

Od mniej więcej piętnastu lat jesteśmy świadkami rewolucji w nauczaniu maszynowym na niesamowitą skalę. Rewolucji tej sprzyja intensywny rozwój głębokich sieci neuronowych oraz niezbędnego do tego sprzętu obliczeniowego, takiego jak karty graficzne. "Deep learning", "machine learning" - te słowa klucze rozpalają wyobraźnię programistów, innowatorów i przedstawicieli przemysłu na całym świecie. Także studentów kierunków politechnicznych. Na świecie wydaje się sporo literatury poświęconej tym zagadnieniom, w Polsce niestety mamy pod tym względem deficyt.

Niniejszy podręcznik, pomyślany jako wprowadzenie do tematu uczenia głębokiego, ma z założenia uzupełnić tę lukę. W związku z tym opracowany został w sposób umożliwiający zrozumienie zawartych w nim treści także osobom, które nie zetknęły się dotąd nawet z klasycznymi metodami nauczania maszynowego. Stąd sporo miejsca autorzy poświęcają podstawowym konceptom klastrowania, klasyfikacji oraz regresji. Druga połowa książki przybliża głębokie odpowiedniki modeli klasycznych - z naciskiem na objaśnienie podstawowych pojęć i ich intuicji. Ponieważ dla pełnego zrozumienia modeli niezbędne jest ich zaimplementowanie, integralną część książki stanowi kod, dostępny dla czytelnika na platformie GITHUB.


Tytuły rozdziałów:

1. Wstęp
2. Wprowadzenie do uczenia maszynowego
3. Uczenie nienadzorowane
4. Uczenie nadzorowane: regresja
5. Uczenie nadzorowane: klasyfikacja
6. Metody kernelowe
7. Wprowadzenie do sieci neuronowych
8. Trenowanie sieci neuronowych
9. Wprowadzenie do sieci konwolucyjnych
10. Sieci konwolucyjne w praktyce
11. Głębokie modele nienadzorowane
12. Rekurencyjne sieci neuronowe
13. Atencja

Podobne
Masz pytania? A może chcesz zamówić przez telefon?
Skorzystaj z pomocy naszego eksperta (pn.-pt . 9:00-15:00).
Zapytaj o produkt
Jeżeli powyższy opis jest dla Ciebie niewystarczający, prześlij nam swoje pytanie odnośnie tego produktu. Postaramy się odpowiedzieć tak szybko jak tylko będzie to możliwe. Dane są przetwarzane zgodnie z polityką prywatności. Przesyłając je, akceptujesz jej postanowienia.
Zobacz też
Napisz swoją opinię
Dodaj opinię
Napisz swoją opinię
Twoja ocena:
5/5
Dodaj własne zdjęcie produktu:
Prawdziwe opinie klientów
4.9 / 5.0 5409 opinii
pixel