Основы прикладной математики и машинного обучения
Теория вероятности и теория информации
Оценка максимального правдоподобия
Современные подходы к глубоким сетям
Регуляризация в глубоком обучении
Оптимизация в обучении глубоких моделей
Моделирование последовательностей
Исследования по глубокому обучению
Структурные вероятностные модели в глубоком обучении
Преодоление трудностей, связанных со статической суммой
Глубокое обучение - это вид машинного обучения, наделяющий компьютеры способностью учиться на опыте и понимать мир в терминах иерархии концепций. Книга содержит математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчетов и машинного обучения в том объеме, который необходим для понимания материала. Описываются приемы глубокого обучения, применяемые на практике, в том числе глубокие сети прямого распространения, регуляризация, алгоритмы оптимизации, сверточные сети, моделирование последовательностей и др. Рассматриваются такие приложения, как обработка естественных языков, распознавание речи, компьютерное зрение, онлайновые рекомендательные системы, биоинформатика и видеоигры.
Издание предназначено студентам вузов и аспирантам, а также опытным программистам, которые хотели бы применить глубокое обучение в составе своих продуктов или платформ.
Книга издана в цвете и в твердом переплете.
