Поиск :
Личный кабинет :
Электронный каталог: Математика и архитектура глубокого обучения
Математика и архитектура глубокого обучения
Книга
Автор:
Математика и архитектура глубокого обучения
Серия: Библиотека программиста
Издательство: Питер, 2026 г.
ISBN 9785446141678
Автор:
Математика и архитектура глубокого обучения
Серия: Библиотека программиста
Издательство: Питер, 2026 г.
ISBN 9785446141678
Книга
004 М34
Математика и архитектура глубокого обучения: пер. с англ. / Кришнанду Чаудхури, Ананья Хоннедевастхана Ашок, Суджай Наруманчи, Девашиш Шанкар; предисл. Прита Банерджи; [перевел с английского А. Киселев]. – Санкт-Петербург [и др.]: Питер, 2026. – 574, [1]с.: ил., схемы, граф. – (Библиотека программиста) . - Содерж.: Обзор машинного и глубокого обучения ; Векторы, матрицы и тензоры в машинном обучении ; Классификаторы и векторное исчисление ; Инструменты линейной алгебры в машинном обучении ; Распределение вероятностей в машинном обучении ; Байесовские инструменты в машинном обучении ; Аппроксимация функций: как нейронные сети моделируют мир ; Обучение нейронных сетей: прямое и обратное распространение ошибки ; Функции потерь, оптимизация и регуляризация ; Свертки в нейронных сетях ; Нейронные сети для классификации изображений и обнаружения объектов ; Многообразия, гомеоморфизм и нейронные сети ; Полное байесовское оценивание параметров модели ; Латентное пространство, генеративное моделирование и автокодировщики. - ISBN 9785446141678: 137.21.
Узнайте, что происходит внутри черного ящика! Для использования глубокого обучения вам придется подготовить данные, выбрать правильную модель, обучить ее, оценить качество и точность и предусмотреть обработку неопределенности и изменчивости в выходных данных развернутого решения. Эта книга шаг за шагом знакомит с основными математическими концепциями, которые пригодятся вам как специалисту по данным, — с векторным исчислением, линейной алгеброй и байесовским выводом, представляя их с точки зрения глубокого обучения. Авторы объясняют математику, теорию и принципы построения моделей глубокого обучения, а затем демонстрируют применение теории на практике, приводя фрагменты программного кода на Python с подробными комментариями. В книге вы пройдете путь от основ алгебры, исчисления и статистики до современных архитектур глубокого обучения, ставших результатом новейших исследований.
ГРНТИ 28.23.25
ГРНТИ 28.23.37
ГРНТИ 50.05.03
ГРНТИ 50.05.09
004.85.032.26
004.438Python:004.42
общий = ГЛУБОКОЕ ОБУЧЕНИЕ
общий = МАШИННОЕ ОБУЧЕНИЕ
общий = НЕЙРОННЫЕ СЕТИ
общий = ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
общий = ПРОГРАММИРОВАНИЕ
общий = ВЕКТОРНОЕ ИСЧИСЛЕНИЕ
общий = ЛИНЕЙНАЯ АЛГЕБРА
общий = БАЙЕСОВСКАЯ СТАТИСТИКА
общий = АППРОКСИМАЦИЯ (мат.)
общий = МАТЕМАТИЧЕСКИЕ ОСНОВЫ
общий = PYTORCH (программный продукт)
общий = PYTHON (язык программирования)
004 М34
Математика и архитектура глубокого обучения: пер. с англ. / Кришнанду Чаудхури, Ананья Хоннедевастхана Ашок, Суджай Наруманчи, Девашиш Шанкар; предисл. Прита Банерджи; [перевел с английского А. Киселев]. – Санкт-Петербург [и др.]: Питер, 2026. – 574, [1]с.: ил., схемы, граф. – (Библиотека программиста) . - Содерж.: Обзор машинного и глубокого обучения ; Векторы, матрицы и тензоры в машинном обучении ; Классификаторы и векторное исчисление ; Инструменты линейной алгебры в машинном обучении ; Распределение вероятностей в машинном обучении ; Байесовские инструменты в машинном обучении ; Аппроксимация функций: как нейронные сети моделируют мир ; Обучение нейронных сетей: прямое и обратное распространение ошибки ; Функции потерь, оптимизация и регуляризация ; Свертки в нейронных сетях ; Нейронные сети для классификации изображений и обнаружения объектов ; Многообразия, гомеоморфизм и нейронные сети ; Полное байесовское оценивание параметров модели ; Латентное пространство, генеративное моделирование и автокодировщики. - ISBN 9785446141678: 137.21.
Узнайте, что происходит внутри черного ящика! Для использования глубокого обучения вам придется подготовить данные, выбрать правильную модель, обучить ее, оценить качество и точность и предусмотреть обработку неопределенности и изменчивости в выходных данных развернутого решения. Эта книга шаг за шагом знакомит с основными математическими концепциями, которые пригодятся вам как специалисту по данным, — с векторным исчислением, линейной алгеброй и байесовским выводом, представляя их с точки зрения глубокого обучения. Авторы объясняют математику, теорию и принципы построения моделей глубокого обучения, а затем демонстрируют применение теории на практике, приводя фрагменты программного кода на Python с подробными комментариями. В книге вы пройдете путь от основ алгебры, исчисления и статистики до современных архитектур глубокого обучения, ставших результатом новейших исследований.
ГРНТИ 28.23.25
ГРНТИ 28.23.37
ГРНТИ 50.05.03
ГРНТИ 50.05.09
004.85.032.26
004.438Python:004.42
общий = ГЛУБОКОЕ ОБУЧЕНИЕ
общий = МАШИННОЕ ОБУЧЕНИЕ
общий = НЕЙРОННЫЕ СЕТИ
общий = ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
общий = ПРОГРАММИРОВАНИЕ
общий = ВЕКТОРНОЕ ИСЧИСЛЕНИЕ
общий = ЛИНЕЙНАЯ АЛГЕБРА
общий = БАЙЕСОВСКАЯ СТАТИСТИКА
общий = АППРОКСИМАЦИЯ (мат.)
общий = МАТЕМАТИЧЕСКИЕ ОСНОВЫ
общий = PYTORCH (программный продукт)
общий = PYTHON (язык программирования)
| Филиал | Всего | Доступно для брони | Доступно для выдачи | Бронирование |
|---|---|---|---|---|
| ЧЗ N1 | 1 | 1 | 1 | Заказать |
| Выставка новых поступлений | 1 | - | 1 | Недоступно |
Заказать
На полку