Uczenie głębokie fascynuje wielu inżynierów i praktyków.
I chociaż nie znajdziesz tutaj gotowych receptur, to zdobędziesz wiedzę potrzebną, by od podstaw zaprojektować działający model uczenia głębokiego.
W książce między innymi:budowanie dobrego zestawu danych uczących praca z bibliotekami scikit-learn i Keras klasyczne modele uczenia maszynowego mechanizm działania i uczenia sieci neuronowych modele wykorzystujące splotowe sieci neuronowe przygotowanie od podstaw działającego modelu Uczenie głębokie: przyszedł czas na Twój pierwszy model!  
Oprawa: Miękka
Dziedzina: Inżynieria.
Sporo miejsca poświęcono również sieciom neuronowym, mechanizmom ich działania i technikom treningu.
Dzięki lekturze dowiesz się, czym się charakteryzuje dobry zbiór danych uczących, jak ocenić skuteczność modelu i jak korzystać z takich modeli jak k-najbliższych sąsiadów, lasy losowe czy maszyna wektorów nośnych.
Znalazło się tu omówienie podstawowych pojęć i wyjaśnienie mechanizmów rządzących uczeniem głębokim.
Aby zrozumieć zawartą w niej treść, wystarczy podstawowa umiejętność programowania i znajomość matematyki na poziomie szkoły średniej.
Właśnie dlatego dobrze jest zająć się faktami i dowiedzieć się, na czym w rzeczywistości polega uczenie maszynowe, a zwłaszcza uczenie głębokie.
Ta książka jest przystępnym przewodnikiem po uczeniu maszynowym.
Wydaje się, że w sposobie pracy algorytmów uczenia głębokiego tkwi magia.
Możemy tylko ocenić, czy dobrze realizuje swoje zadanie.
Istotnie, w wypadku na przykład sieci neuronowych nie wiemy, czego dokładnie uczy się model.
Mimo że systemy oparte na uczeniu maszynowym stosuje się w rozlicznych branżach, wciąż są uważane za niepokojącą technologię.
Uczenie głębokie fascynuje wielu inżynierów i praktyków
