Książki
Papiernia
Zabawki
Gry
Puzzle
Multimedia
Dom i ogród
Na prezent
Skarpetki
LEGO
Promocje
NOWOŚĆ

Matematyka w deep learningu. Co musisz wiedzieć...

Okładka książki Matematyka w deep learningu. Co musisz wiedzieć...

Szczegóły:

Wydawca: Helion
ISBN: 9788328910164
EAN: 9788328910164
oprawa: oprawa: broszurowa
podtytuł: Co musisz wiedzieć, aby zrozumieć sieci neuronowe
Tłumaczenie: Filip Kamiński
tytuloryg: Math for Deep Learning: What You Need to Know to Understand Neural Networks
wydanie: 1
format: 167x234 mm
język: polski
liczba stron: 344
rok wydania: 2024
(0) Sprawdź recenzje
Cena:
52,55 zł
Cena detaliczna: 
89,00 zł
41% rabatu
WYSYŁKA: 48h
Dodaj do koszyka
Dodaj do schowka
Najniższa cena z ostatnich 30 dni: 48,93

Opis

Uczenie maszynowe niesie ze sobą obietnicę niezwykłych wynalazków: od samochodów autonomicznych po systemy medyczne diagnozujące choroby lepiej niż doświadczeni lekarze, ale także daje pole do rozwijania dziesiątków innych mniej lub bardziej niepokojących innowacji. Dziś do budowania systemów uczenia maszynowego można posłużyć się wygodnymi frameworkami, jednak rzeczywiste zrozumienie uczenia głębokiego wymaga znajomości kilku koncepcji matematycznych.

Koncepcje te zostały przystępnie wyjaśnione właśnie w tej książce. W szczególności zapoznasz się z praktycznymi aspektami probabilistyki, statystyki, algebry liniowej i rachunku różniczkowego. Prezentacji tych zagadnień towarzyszą fragmenty kodu w Pythonie i praktyczne przykłady zastosowań w uczeniu głębokim. Rozpoczniesz od zapoznania się z podstawami, takimi jak twierdzenie Bayesa, a następnie przejdziesz do bardziej zaawansowanych zagadnień, w tym uczenia sieci neuronowych przy użyciu wektorów, macierzy i pochodnych. Dwa ostatnie rozdziały dadzą Ci szansę użycia nowej wiedzy do zaimplementowania propagacji wstecznej i metody gradientu prostego - dwóch podstawowych algorytmów napędzających rozwój sztucznej inteligencji.

W książce między innymi:

zastosowanie statystyki do zrozumienia danych i oceny modeli

prawidłowe korzystanie z reguł prawdopodobieństwa

użycie wektorów i macierzy do przesyłania danych w sieciach neuronowych

algebra liniowa w analizie głównych składowych i rozkładu według wartości osobliwych

gradientowe metody optymalizacji, takie jak RMSprop, Adagrad i Adadelta

Chcesz zrozumieć sieci neuronowe? Odpowiedzi szukaj w matematyce!

Uwaga!!!
Ten produkt jest zapowiedzią. Realizacja Twojego zamówienia ulegnie przez to wydłużeniu do czasu premiery tej pozycji. Czy chcesz dodać ten produkt do koszyka?
Tak
Nie
Oczekiwanie na odpowiedź
Dodano produkt do koszyka
Kontynuuj zakupy
Przejdź do koszyka
Oczekiwanie na odpowiedź
Oczekiwanie na odpowiedź
Wybierz wariant produktu
Dodaj do koszyka
Anuluj
Oczekiwanie na odpowiedź