ODBIERZ TWÓJ BONUS :: »

Matematyka w deep learningu. Co musisz wiedzieć, aby zrozumieć sieci neuronowe Ronald T. Kneusel

Autor:
Ronald T. Kneusel
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
6.0/6  Opinie: 2
Stron:
344
Druk:
oprawa miękka
Dostępny format:
     PDF
Czytaj fragment
Książka
53,40 zł 89,00 zł (-40%)
53,40 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
44,50 zł 89,00 zł (-50%)
44,50 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Instalowania i konfigurowania środowiska do pracy z Pythonem i bibliotekami naukowymi
  • Tworzenia i manipulowania tablicami oraz macierzami w NumPy
  • Stosowania podstawowych reguł prawdopodobieństwa i obliczania prawdopodobieństw warunkowych
  • Analizowania rozkładów prawdopodobieństwa i wykorzystywania twierdzenia Bayesa w uczeniu maszynowym
  • Rozróżniania i przetwarzania różnych typów danych statystycznych
  • Obliczania miar statystycznych, takich jak średnia, mediana, wariancja i korelacja
  • Przeprowadzania testów statystycznych, takich jak test t czy test U Manna-Whitneya
  • Operowania wektorami, macierzami i tensorami w kontekście algebry liniowej
  • Wykorzystywania działań na macierzach, takich jak mnożenie, transpozycja i wyznaczanie wyznaczników
  • Obliczania wartości własnych i wektorów własnych oraz stosowania analizy głównych składowych (PCA)
  • Stosowania rachunku różniczkowego, w tym pochodnych, gradientów i reguły łańcuchowej
  • Wykorzystywania macierzowego rachunku różniczkowego, macierzy Jacobiego i hesjanów
  • Analizowania przepływu danych w tradycyjnych i konwolucyjnych sieciach neuronowych
  • Implementowania propagacji wstecznej i obliczania pochodnych cząstkowych wag
  • Używania metody gradientu prostego oraz jej wariantów, takich jak RMSprop, Adagrad, Adadelta i Adam
  • Optymalizowania modeli głębokiego uczenia z wykorzystaniem pędu i adaptacyjnych metod gradientowych

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!

Wiosna w głowie, ebook w dłoni! / do -50% na tysiące tytułów

Wybrane bestsellery

O autorze książki

Dr Ron Kneusel zawodowo zajmuje się uczeniem maszynowym od 2003 roku. W 2016 roku obronił doktorat z tej dziedziny na Uniwersytecie Kolorado w Boulder. Jest autorem kilku książek, w tym Deep learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona (Helion, 2022).

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy muszę znać zaawansowaną matematykę, aby skorzystać z tej książki?
Nie, książka została napisana z myślą o osobach, które chcą zrozumieć matematykę stojącą za deep learningiem od podstaw. Autor wprowadza zagadnienia krok po kroku, wyjaśniając je przystępnie i na praktycznych przykładach.
2. Czy w książce znajdują się przykłady kodu i ćwiczenia praktyczne?
Tak, książka zawiera liczne fragmenty kodu w języku Python oraz praktyczne przykłady zastosowań matematyki w uczeniu głębokim, co ułatwia zrozumienie omawianych koncepcji.
3. Jakie zagadnienia matematyczne są omawiane w tej książce?
W książce znajdziesz wyjaśnienia z zakresu probabilistyki, statystyki, algebry liniowej, rachunku różniczkowego oraz macierzowego rachunku różniczkowego, a także ich zastosowania w budowie i trenowaniu sieci neuronowych.
4. Czy książka pomoże mi lepiej zrozumieć działanie frameworków do deep learningu, takich jak TensorFlow czy PyTorch?
Tak, dzięki solidnemu matematycznemu fundamentowi łatwiej zrozumiesz, jak działają popularne frameworki do deep learningu i jak efektywnie z nich korzystać.
5. Czy ta książka nadaje się do samodzielnej nauki?
Tak, książka jest napisana w sposób umożliwiający samodzielną naukę - zawiera przystępne wyjaśnienia, przykłady oraz podsumowania najważniejszych zagadnień.
6. Czy znajdę tu informacje o najnowszych metodach optymalizacji stosowanych w deep learningu?
Tak, w książce omówiono nowoczesne metody optymalizacji, takie jak RMSprop, Adagrad, Adadelta czy Adam, wraz z wyjaśnieniem ich działania i zastosowania.
7. Czy mogę kupić tę książkę w wersji elektronicznej (eBook)?
Tak, na Helion.pl książka jest dostępna zarówno w wersji papierowej, jak i elektronicznej (PDF, ePub, mobi). Po zakupie eBooka otrzymasz natychmiastowy dostęp do plików.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Książka
53,40 zł
Dodaj do koszyka
Ebook
44,50 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności mBank Ikona płatności Millennium Ikona płatności Nest Bank Ikona płatności Paypal Ikona płatności PayPo | PayU Płacę później Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Citi Handlowy Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile