Введение в глубокое обучение

Евгений Черняк

Introduction to Deep Learning
Eugene Charniak
книга Введение в глубокое обучение
(увеличить обложку)

Книга в типографии

Оглавление
Пролистать книгу

Автор этой книги Евгений Черняк — давний исследователь искусственного интеллекта, специализирующийся на обработке естественного языка, революцию в котором сделало глубокое обучение. К сожалению, ему потребовалось много времени, чтобы это понять. Можно сказать в его оправдание, что нейронные сети угрожают революцией уже третий раз, а отнюдь не первый. Тем не менее автор внезапно оказался далеко позади и изо всех сил пытался наверстать упущенное. Именно поэтому он сделал то, что сделал бы на его месте любой уважающий себя профессор: запланировал преподавание курса и начал ускоренно изучать материал, просматривая веб-страницы.

Этим объясняется несколько выдающихся особенностей этой книги. Во-первых, краткость. Мы учимся медленно. Во-вторых, она сильно зависит от проекта. Многие публикации, особенно в области информатики, постоянно имеют противоречия между организацией темы и организацией материалов, связанных с конкретными проектами. Подобное разделение зачастую является хорошей идеей, но мы считаем, что материал по информатике лучше изучать при написании программ, поэтому книга во многом отражает привычки автора в преподавании. Таков был самый удобный способ написания книги, и мы надеемся, что многие из читателей тоже найдут ее полезной.

Хотя многие практикующие в области информатики сочтут книгу полезной по той же причине, по которой автор ее написал в первую очередь как преподаватель, он верит своим ученикам, поэтому книга изначально задумана в качестве учебника для курса по глубокому обучению.

Курс, который автор преподает в Брауне, предназначен как для выпускников, так и для других студентов, и охватывает весь материал. Здесь требуются как линейная алгебра, так и многовариантное исчисление. Хотя фактическое количество материала по линейной алгебре не так уж велико, студенты сказали, что без него им было бы довольно сложно разобраться в многослойных сетях и необходимых им тензорах. Тем не менее многовариантное исчисление было им гораздо понятней. Это явно появляется только в главе 1, когда обратное распространение создается "с нуля", и не удивительно, если окажется полезной дополнительная лекция по частным производным. И наконец, есть предпосылка для вероятности и статистики. Это упрощает диспозицию, и автор, конечно же, хочет побудить студентов пройти такой курс. Автор также предполагает элементарные знания читателей по программированию на языке Python. Хотя этот материал не включен в книгу, но у автора есть дополнительная "лаборатория" по основам языка Python.

Книга обсуждается в отдельном сообщении в блоге Виктора Штонда.


192, c ил стр., с ил.; ISBN 978-5-907203-10-5, 978-0-262-03951-2; формат 70x100/16; мягкий переплет; тип бумаги: офсетная; 14.02.2020; Вильямс.



Понравилась книга? Порекомендуйте её друзьям и коллегам:









Оглавление книги "Введение в глубокое обучение"


Введение     9
Глава 1. Нейронные сети с прямой связью     11
Глава 2. Язык Tensorflow     39
Глава 3. Сверточные нейронные сети     61
Глава 4. Векторное представление слов
и рекуррентные NN     79
Глава 5. Обучение от последовательности к последовательности     103
Глава 6. Глубокое обучение с подкреплением     121
Глава 7. Модели нейронных сетей,
обучаемых без учителя     145
Приложение. Выборочные ответы к упражнениям     169
Предметный указатель     175


Copyright © 1992-2019 Издательская группа "Диалектика-Вильямс"

Rambler  Top100