Facebook - konwersja
Pobierz fragment

Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe - ebook

Wydawnictwo:
Tłumacz:
Data wydania:
30 września 2018
Format ebooka:
PDF
Format PDF
czytaj
na laptopie
czytaj
na tablecie
Format e-booków, który możesz odczytywać na tablecie oraz laptopie. Pliki PDF są odczytywane również przez czytniki i smartfony, jednakze względu na komfort czytania i brak możliwości skalowania czcionki, czytanie plików PDF na tych urządzeniach może być męczące dla oczu. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu. Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
, EPUB
Format EPUB
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najpopularniejszych formatów e-booków na świecie. Niezwykle wygodny i przyjazny czytelnikom - w przeciwieństwie do formatu PDF umożliwia skalowanie czcionki, dzięki czemu możliwe jest dopasowanie jej wielkości do kroju i rozmiarów ekranu. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu. Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
, MOBI
Format MOBI
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najczęściej wybieranych formatów wśród czytelników e-booków. Możesz go odczytać na czytniku Kindle oraz na smartfonach i tabletach po zainstalowaniu specjalnej aplikacji. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu. Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
(3w1)
Multiformat
E-booki sprzedawane w księgarni Virtualo.pl dostępne są w opcji multiformatu - kupujesz treść, nie format. Po dodaniu e-booka do koszyka i dokonaniu płatności, e-book pojawi się na Twoim koncie w Mojej Bibliotece we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu przy okładce. Uwaga: audiobooki nie są objęte opcją multiformatu.
czytaj
na laptopie
Pliki PDF zabezpieczone watermarkiem możesz odczytać na dowolnym laptopie po zainstalowaniu czytnika dokumentów PDF. Najpowszechniejszym programem, który umożliwi odczytanie pliku PDF na laptopie, jest Adobe Reader. W zależności od potrzeb, możesz zainstalować również inny program - e-booki PDF pod względem sposobu odczytywania nie różnią niczym od powszechnie stosowanych dokumentów PDF, które odczytujemy każdego dnia.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.
czytaj
na tablecie
Aby odczytywać e-booki na swoim tablecie musisz zainstalować specjalną aplikację. W zależności od formatu e-booka oraz systemu operacyjnego, który jest zainstalowany na Twoim urządzeniu może to być np. Bluefire dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.
czytaj
na czytniku
Czytanie na e-czytniku z ekranem e-ink jest bardzo wygodne i nie męczy wzroku. Pliki przystosowane do odczytywania na czytnikach to przede wszystkim EPUB (ten format możesz odczytać m.in. na czytnikach PocketBook) i MOBI (ten fromat możesz odczytać m.in. na czytnikach Kindle).
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.
czytaj
na smartfonie
Aby odczytywać e-booki na swoim smartfonie musisz zainstalować specjalną aplikację. W zależności od formatu e-booka oraz systemu operacyjnego, który jest zainstalowany na Twoim urządzeniu może to być np. iBooks dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.
Pobierz fragment
79,00

Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe - ebook

Na naszych oczach dokonuje się przełom: technologie wykorzystujące rozmaite formy sztucznej inteligencji zaczynają się pojawiać w różnych branżach. Niektórzy nawet nie zdają sobie sprawy, jak często i jak powszechnie stosuje się algorytmy uczenia głębokiego. Możliwości w tym zakresie stale rosną. Wzrasta też zapotrzebowanie na inżynierów, którzy swobodnie operują wiedzą o uczeniu głębokim i są w stanie zaimplementować potrzebne algorytmy w konkretnym oprogramowaniu. Uczenie głębokie jest jednak dość złożonym zagadnieniem, a przyswojenie sobie potrzebnych umiejętności wymaga wysiłku.

Ta książka stanowi doskonałe wprowadzenie w temat uczenia głębokiego. Wyjaśniono tu najważniejsze pojęcia uczenia maszynowego. Pokazano, do czego mogą się przydać takie narzędzia jak pakiet scikit-learn, biblioteki Theano, Keras czy TensorFlow. Ten praktyczny przewodnik znakomicie ułatwi zrozumienie zagadnień rozpoznawania wzorców, dokładnego skalowania danych, pozwoli też na rzetelne zapoznanie się z algorytmami i technikami uczenia głębokiego. Autorzy zaproponowali wykorzystanie w powyższych celach języka Python - ulubionego narzędzia wielu badaczy i pasjonatów nauki.

W książce między innymi:

  • Solidne podstawy uczenia maszynowego i sieci neuronowych
  • Trening systemów sztucznej inteligencji w grach komputerowych
  • Rozpoznawanie obrazów
  • Rekurencyjne sieci neuronowej w modelowaniu języka
  • Budowa systemów wykrywania oszustw i włamań

Uczenie głębokie: zajrzyj w przyszłość programowania!


Dr Valentino Zokka opracował wiele algorytmów matematycznych i modeli prognostycznych dla firmy Boeing. Obecnie jest konsultantem w branży finansowej.

Gianmario Spacagna pracuje w firmie Pirelli, gdzie buduje systemy maszynowego uczenia się i kompletne rozwiązania do produktów informacyjnych.

Daniel Slater tworzył oprogramowanie do oceny ryzyka dla branży finansowej. Obecnie zajmuje się systemami do przetwarzania dużych ilości danych i analizy zachowań użytkowników.

Peter Roelants specjalizuje się w stosowaniu technik uczenia głębokiego do badań spektralnych obrazów, rozpoznawania mowy czy ekstrakcji danych z dokumentów.

Spis treści

O autorach (9)

O recenzencie (11)

Przedmowa (13)

  • Co zawiera książka? (13)
  • Co jest potrzebne podczas lektury tej książki? (14)
  • Dla kogo jest ta książka? (15)
  • Konwencje (15)
  • Pobieranie przykładowego kodu (16)
  • Pobieranie kolorowych ilustracji do tej książki (16)

Rozdział 1. Uczenie maszynowe - wprowadzenie (17)

  • Czym jest uczenie maszynowe? (18)
  • Różne podejścia do uczenia maszynowego (19)
    • Uczenie nadzorowane (19)
    • Uczenie nienadzorowane (22)
    • Uczenie przez wzmacnianie (23)
    • Fazy systemów uczenia maszynowego (24)
    • Krótki opis popularnych technik (algorytmów) (28)
  • Zastosowania praktyczne (40)
  • Popularny pakiet open source (42)
  • Podsumowanie (48)

Rozdział 2. Sieci neuronowe (49)

  • Dlaczego sieci neuronowe? (50)
  • Podstawy (51)
    • Neurony i warstwy (52)
    • Różne rodzaje funkcji aktywacji (56)
    • Algorytm propagacji wstecznej (61)
    • Zastosowania praktyczne (68)
    • Przykład kodu sieci neuronowej dla funkcji XOR (70)
  • Podsumowanie (75)

Rozdział 3. Podstawy uczenia głębokiego (77)

  • Czym jest uczenie głębokie? (78)
    • Podstawowe pojęcia (80)
    • Uczenie się cech (81)
    • Algorytmy uczenia głębokiego (88)
  • Zastosowania uczenia głębokiego (89)
    • Rozpoznawanie mowy (90)
    • Rozpoznawanie i klasyfikacja obiektów (91)
  • GPU kontra CPU (94)
  • Popularne biblioteki open source - wprowadzenie (96)
    • Theano (96)
    • TensorFlow (97)
    • Keras (97)
    • Przykład implementacji głębokiej sieci neuronowej za pomocą biblioteki Keras (98)
  • Podsumowanie (102)

Rozdział 4. Nienadzorowane uczenie cech (105)

  • Autoenkodery (107)
    • Projekt sieci (110)
    • Metody regularyzacji dla autoenkoderów (113)
    • Autoenkodery - podsumowanie (117)
  • Ograniczone maszyny Boltzmanna (119)
    • Sieci Hopfielda a maszyny Boltzmanna (121)
    • Maszyna Boltzmanna (123)
    • Ograniczona maszyna Boltzmanna (125)
    • Implementacja za pomocą biblioteki TensorFlow (126)
    • Sieci DBN (130)
  • Podsumowanie (132)

Rozdział 5. Rozpoznawanie obrazów (135)

  • Podobieństwa pomiędzy modelami sztucznymi a biologicznymi (136)
  • Intuicja i uzasadnianie (137)
  • Warstwy konwolucyjne (138)
    • Parametry krok i wypełnienie w warstwach konwolucyjnych (144)
  • Warstwy pooling (145)
  • Dropout (147)
  • Warstwy konwolucyjne w uczeniu głębokim (147)
  • Warstwy konwolucyjne w bibliotece Theano (148)
  • Przykład zastosowania warstwy konwolucyjnej do rozpoznawania cyfr za pomocą biblioteki Keras (150)
  • Przykład zastosowania warstwy konwolucyjnej za pomocą biblioteki Keras dla zbioru danych CIFAR10 (153)
  • Szkolenie wstępne (155)
  • Podsumowanie (156)

Rozdział 6. Rekurencyjne sieci neuronowe i modele języka (159)

  • Rekurencyjne sieci neuronowe (160)
    • RNN - jak implementować i trenować? (162)
    • Długa pamięć krótkotrwała (168)
  • Modelowanie języka (171)
    • Modele na bazie słów (171)
    • Modele bazujące na znakach (176)
  • Rozpoznawanie mowy (183)
    • Potok rozpoznawania mowy (183)
    • Mowa jako dane wejściowe (184)
    • Przetwarzanie wstępne (185)
    • Model akustyczny (186)
    • Dekodowanie (189)
    • Modele od końca do końca (190)
  • Podsumowanie (190)
  • Bibliografia (190)

Rozdział 7. Uczenie głębokie w grach planszowych (195)

  • Pierwsze systemy AI grające w gry (197)
  • Wykorzystanie algorytmu min-max do oceny stanów gry (198)
  • Implementacja gry w kółko i krzyżyk w Pythonie (201)
  • Uczenie funkcji wartości (209)
  • Trenowanie systemu AI do uzyskania mistrzostwa w grze w Go (210)
  • Zastosowanie górnych granic zaufania do drzew (213)
  • Uczenie głębokie w algorytmie przeszukiwania drzewa Monte Carlo (220)
  • Krótkie przypomnienie technik uczenia przez wzmacnianie (222)
  • Metoda policy gradients w funkcjach strategii uczenia (222)
  • Metoda policy gradients w AlphaGo (230)
  • Podsumowanie (232)

Rozdział 8. Uczenie głębokie w grach komputerowych (235)

  • Techniki uczenia nadzorowanego w odniesieniu do gier (235)
  • Zastosowanie algorytmów genetycznych do grania w gry komputerowe (237)
  • Q-learning (238)
    • Funkcja Q (240)
  • Q-learning w akcji (241)
  • Gry dynamiczne (246)
    • Odtwarzanie doświadczeń (250)
    • Epsilon zachłanny (253)
  • Breakout na Atari (254)
    • Losowy test gry w Breakout na Atari (255)
    • Wstępne przetwarzanie ekranu (257)
    • Tworzenie głębokiej sieci konwolucyjnej (259)
    • Problemy zbieżności w technikach Q-learning (263)
    • Technika policy gradients kontra Q-learning (265)
  • Metody aktor-krytyk (266)
    • Metoda baseline do redukcji wariancji (267)
    • Uogólniony estymator korzyści (267)
  • Metody asynchroniczne (268)
  • Podejścia bazujące na modelach (269)
  • Podsumowanie (272)

Rozdział 9. Wykrywanie anomalii (273)

  • Co to jest wykrywanie anomalii i wykrywanie elementów odstających? (274)
  • Rzeczywiste zastosowania mechanizmów wykrywania anomalii (277)
  • Popularne płytkie techniki uczenia maszynowego (278)
    • Modelowanie danych (279)
    • Modelowanie wykrywania (279)
  • Wykrywanie anomalii z wykorzystaniem głębokich autoenkoderów (281)
  • H2O (283)
    • Wprowadzenie do pracy z H2O (285)
  • Przykłady (285)
    • Rozpoznawanie anomalii wykrywania cyfr z wykorzystaniem zestawu danych MNIST (286)
  • Podsumowanie (298)

Rozdział 10. Budowanie gotowego do produkcji systemu wykrywania włamań (301)

  • Czym jest produkt danych? (302)
  • Trening (304)
    • Inicjalizacja wag (304)
    • Współbieżny algorytm SGD z wykorzystaniem techniki HOGWILD! (306)
    • Uczenie adaptacyjne (308)
    • Uczenie rozproszone z wykorzystaniem mechanizmu MapReduce (314)
    • Sparkling Water (317)
  • Testowanie (320)
    • Walidacja modelu (326)
    • Dostrajanie hiperparametrów (335)
    • Ocena od końca do końca (338)
    • Podsumowanie zagadnień związanych z testowaniem (342)
  • Wdrażanie (343)
    • Eksport modelu do formatu POJO (344)
    • Interfejsy API oceny anomalii (347)
    • Podsumowanie wdrażania (349)
  • Podsumowanie (350)

Skorowidz (351)

Kategoria: Programowanie
Zabezpieczenie: Watermark
Watermark
Watermarkowanie polega na znakowaniu plików wewnątrz treści, dzięki czemu możliwe jest rozpoznanie unikatowej licencji transakcyjnej Użytkownika. E-książki zabezpieczone watermarkiem można odczytywać na wszystkich urządzeniach odtwarzających wybrany format (czytniki, tablety, smartfony). Nie ma również ograniczeń liczby licencji oraz istnieje możliwość swobodnego przenoszenia plików między urządzeniami. Pliki z watermarkiem są kompatybilne z popularnymi programami do odczytywania ebooków, jak np. Calibre oraz aplikacjami na urządzenia mobilne na takie platformy jak iOS oraz Android.
ISBN: 978-83-283-4174-6
Rozmiar pliku: 8,3 MB

BESTSELLERY

Kategorie: