#DeepLearning 2020
Глубокое обучение для чайников
Авторы: Мюллер Джон Пол, Массарон Лука
Глубокое обучение для чайников
Авторы: Мюллер Джон Пол, Массарон Лука
Книга «Глубокое обучение для чайников» предлагает вам сведения, помогающие снять покров тайны с этой темы, равно как и со всех связанных с ней внутренних технологий. В мгновение ока вам станут понятными все более и более запутанные алгоритмы, а вдобавок вы найдете простую и безопасную среду для экспериментирования с глубоким обучением.
#DeepLearning #R #Keras #TensorFlow 2022
Глубокое обучение с R и Keras. 2-е изд.
Автор: Франсуа Шолле
Глубокое обучение с R и Keras. 2-е изд.
Автор: Франсуа Шолле
Перед вами второе, расширенное в 1.5 раза издание бестселлера от автора библиотеки Keras. Умение работать с моделями глубокого обучения стало важным навыком современных ученых, исследователей и программистов.
API языка R для Keras и TensorFlow делает глубокое обучение доступным для всех пользователей R, даже если у них нет опыта работы с машинным обучением или нейронными сетями. Интуитивно понятные объяснения, четкие иллюстрации и наглядные примеры помогут вам освоить основные навыки глубокого обучения с помощью R, такие как компьютерное зрение, обработка естественного языка, работа с текстом, и даже изучить передовую архитектуру Transformer.
Для читателей со средними навыками программирования на R. Опыт работы с Keras, TensorFlow или моделями глубокого обучения не требуется.
#DeepLearning 2020
Основы глубокого обучения. Создание алгоритмов для искусственного интеллекта следующего поколения
Автор: Будума Н., Локашо Н.
Основы глубокого обучения. Создание алгоритмов для искусственного интеллекта следующего поколения
Автор: Будума Н., Локашо Н.
Глубокое обучение — это раздел машинного обучения, изучающий глубокие нейронные сети и выстраивающий процесс получения знаний на основе примеров. Такие крупные компании, как Google, Microsoft и Facebook, уделяют большое внимание глубокому обучению и расширяют свои подразделения в этой сфере. Для всех прочих глубокое обучение пока остается сложным, многогранным и малопонятным предметом. Цель этой книги — заполнить этот пробел.
Авторы разбирают основные принципы решения задач в глубоком обучении, исторический контекст современных подходов к нему и способы внедрения его алгоритмов. Для всех, кто интересуется или занимается глубоким обучением.
#PyTorch #DeepLearning 2022
PyTorch. Освещая глубокое обучение
Авторы: Стивенс Эли, Антига Лука, Виман Томас
PyTorch. Освещая глубокое обучение
Авторы: Стивенс Эли, Антига Лука, Виман Томас
Многие средства глубокого обучения используют Python, но именно библиотека PyTorch по-настоящему «питоническая». Легкая в освоении для тех, кто знаком с NumPy и scikit-learn, PyTorch упрощает работу с глубоким обучением, обладая в то же время богатым набором функций. PyTorch прекрасно подходит для быстрого создания моделей и без проблем масштабируется до корпоративного проекта. PyTorch используют такие компании как Apple и JPMorgan Chase. Навыки работы с этой библиотекой пригодятся вам для карьерного роста. Вы научитесь создавать нейронные сети и системы глубокого обучения с помощью PyTorch.
Книга поможет быстро приступить к созданию реального проекта с нуля. В ней описаны лучшие практики всего конвейера работы с данными, включая PyTorch Tensor API, загрузку данных на Python, мониторинг обучения и визуализацию полученных результатов.
#ComputerVision #DeepLearning 2022
Компьютерное зрение. Передовые методы и глубокое обучение
Авторы: Дэвис Рой, Терк Мэтью.
Компьютерное зрение. Передовые методы и глубокое обучение
Авторы: Дэвис Рой, Терк Мэтью.
Эта книга рассказывает о передовых методах компьютерного зрения. Показано, как искусственный интеллект обнаруживает признаки и объекты, на каких данных он обучается, на чем основано распознавание лиц и действий, отслеживание ано малий. Особое внимание уделяется методам глубокого обучения. Все ключевые принципы проиллюстрированы примерами из реальной практики.
Книга адресована исследователям и практикам в области передовых методов компьютерного зрения, а также тем, кто изучает эту технологию самостоятельно или в рамках вузовского курса.
#DeepLearning #Python 2023
Глубокое обучение на Python, 2-е межд. издание
Автор: Шолле Франсуа
Глубокое обучение на Python, 2-е межд. издание
Автор: Шолле Франсуа
Глубокое обучение динамично развивается, открывая все новые и новые возможности создания ПО. Это не только автоматический перевод текстов с одного языка на другой, распознавание изображений, но и многое другое. Глубокое обучение превратилось в важный навык, необходимый каждому разработчику. Keras и TensorFlow облегчают жизнь разработчикам и позволяют легко работать даже тем, кто не имеет фундаментальных знаний в области математики или науки о данных.
Настала пора познакомиться с глубоким обучением и мощной библиотекой Keras! В этом расширенном и дополненном издании создатель библиотеки Keras — Франсуа Шолле — делится знаниями и с новичками, и с опытными специалистами. Иллюстрации и наглядные примеры помогут вам разобраться с самыми сложными вопросами и концепциями. Вы быстро приобретете навыки, необходимые для разработки приложений глубокого обучения.
#DataMining #MachineLearning #DeepLearning #АнализДанных 2021
Анализ данных в науке и технике
Авторы: Брантон С. Л., Куц Дж. Н.
Анализ данных в науке и технике
Авторы: Брантон С. Л., Куц Дж. Н.
Открытия, сделанные на основе анализа данных, совершили революцию в моделировании, прогнозировании поведения и управлении сложными системами. В книге приводятся сведения из машинного обучения, математики и физики с целью показать, как моделирование и управление динамическими системами сочетаются с современными методами науки о данных.
Рассказывается о многих достижениях в области научных расчетов, которые позволяют применять управляемые данными методы к изучению разнообразных систем: турбулентность, наука о мозге, климатология, эпидемиология, финансы, робототехника и автономные системы.
#Python #TensorFlow #DeepLearning 2020
Алгоритмы обучения с подкреплением на Python
Автор: Лонца Андреа
Алгоритмы обучения с подкреплением на Python
Автор: Лонца Андреа
Эта книга поможет читателю овладеть алгоритмами обучения с подкреплением (ОП) и научиться реализовывать их при создании самообучающихся агентов.
В 1 части рассматриваются различные элементы ОП, сфера его применения, инструменты, необходимые для работы в среде ОП. 2 и 3 части посвящены непосредственно алгоритмам. В числе прочего автор показывает, как сочетать Q-обучение с нейронными сетями для решения сложных задач, описывает методы градиента стратегии, TRPO и PPO, позволяющие повысить производительность и устойчивость, а также детерминированные алгоритмы DDPG и TD3.
Читатель узнает о том, как работает техника подражательного обучения, познакомится с алг-ми исследования на базе верхней доверительной границы (UCB и UCB1) и мета-алгоритмом ESBAS.
Издание предназначено для тех, кто интересуется исследованиями в области ИИ, применяет в работе DL или хочет освоить обучение с подкреплением с нуля.
#DeepLearning 2020
Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту
Авторы: Джон Крон, Грант Бейлевельд, Аглаэ Бассенс
Глубокое обучение в картинках. Визуальный гид по искусственному интеллекту
Авторы: Джон Крон, Грант Бейлевельд, Аглаэ Бассенс
Глубокое обучение стало мощным двигателем для работы с искусственным интеллектом. Яркие иллюстрации и простые примеры кода избавят вас от необходимости вникать в сложные аспекты конструирования моделей глубокого обучения, делая сложные задачи доступными и увлекательными…
#DeepLearning 2020
Глубокое обучение в биологии и медицине
Автор: Рамсундар Б.
Глубокое обучение в биологии и медицине
Автор: Рамсундар Б.
Глубокое обучение добилось впечатляющих успехов во многих отраслях. Сейчас оно все глубже проникает в прикладные научные исследования, в частности в биологию и смежные дисциплины. Эта книга рассказывает о применении DL в геномике, химии, биофизике, микроскопии, медицине и других направлениях современных исследований всего, что связано с живыми организмами.
Представленные в книге стандартные архитектуры глубоких сетей идеально подходят для программистов-разработчиков и ученых, работающих над созданием новых лекарств или ведущих исследования в области биологии и генетики. Книга содержит множество практических примеров, включая полный цикл поиска нового лекарства - одну из самых сложных научно-прикладных задач на стыке физики, химии, биологии и медицины. . .
Издание будет полезно широкому кругу специалистов, связанных с анализом данных в химии, биологии и медицине, а также разработчикам программного обеспечения.
#DeepLearning 2023
Трехмерное глубокое обучение на Python. Разрабатывайте модели компьютерного зрения с использованием 3D-данных с помощью библиотеки PyTorch3D и других инструментов
Авторы: Ксудонг Ма, Вишах Хегде, Лилит Йольан
Трехмерное глубокое обучение на Python. Разрабатывайте модели компьютерного зрения с использованием 3D-данных с помощью библиотеки PyTorch3D и других инструментов
Авторы: Ксудонг Ма, Вишах Хегде, Лилит Йольан
Эта книга дает полное представление о современном трехмерном глубоком обучении и помогает разработчикам в области компьютерного зрения применить свои знания на практике.
Благодаря этому практическому руководству по трехмерному глубокому обучению разработчики в области трехмерного компьютерного зрения смогут применить свои знания на практике. В данной книге представлен практический подход к реализации вычислительных решений в указанной области и связанных с ней методологий, которые помогут вам быстро начать работу и повысить продуктивность. Оснащенные пошаговыми объяснениями важных понятий, практическими примерами и вопросами для самопроверки, вы начнете с обследования передовых методов трехмерного глубокого обучения.
Вы познакомитесь с базовой обработкой 3D-данных полигональной сетки и облака точек с помощью библиотеки PyTorch3D, такой как загрузка и сохранение файлов PLY и OBJ, проецирование 3D-точек на координаты камеры с использованием моделей перспективной камеры и ортографической камеры, отрисовка облаков точек и полигональных сеток на изображениях и т.д.
Вы также научитесь реализовывать некоторые современные алгоритмы трехмерного глубокого обучения, такие как дифференцируемая отрисовка, NeRF, SynSin и Mesh R-CNN, поскольку благодаря библиотеке PyTorch3D программирование этих моделей глубокого обучения значительно упрощается. К концу этой книги вы сможете реализовывать свои собственные модели трехмерного глубокого обучения.
Для кого эта книга предназначена:
Эта книга предназначена для всех тех, кто начинает свою карьеру в области машинного обучения, а также практиков среднего уровня, исследователей данных, инженеров машинного обучения и инженеров глубокого обучения, которые стремятся хорошо разбираться в методах компьютерного зрения, используя 3D-данные.
#DeepLearning 2023
Грокаем глубокое обучение с подкреплением
Автор: Моралес Мигель
Грокаем глубокое обучение с подкреплением
Автор: Моралес Мигель
Мы учимся, взаимодействуя с окружающей средой, и получаемые вознаграждения и наказания определяют наше поведение в будущем. Глубокое обучение с подкреплением привносит этот естественный процесс в искусственный интеллект и предполагает анализ результатов для выявления наиболее эффективных путей движения вперед. Агенты глубокого обучения с подкреплением могут способствовать успеху маркетинговых кампаний, прогнозировать рост акций и побеждать гроссмейстеров в Го и шахматах.
Давайте научимся создавать системы глубокого обучения на примере увлекательных упражнений, сопровождаемых кодом на Python с подробными комментариями и понятными объяснениями. Вы увидите, как работают алгоритмы, и научитесь создавать собственных агентов глубокого обучения с подкреплением, используя оценочную обратную связь.
#DeepLearning 2020
Грокаем глубокое обучение
Автор: Эндрю Траск
Грокаем глубокое обучение
Автор: Эндрю Траск
Глубокое обучение – это раздел искусственного интеллекта, цель которого научить компьютеры обучаться с помощью нейронных сетей – технологии, созданной по образу и подобию человеческого мозга. Онлайн-переводчики, беспилотные автомобили, рекомендации по выбору товаров именно для вас и виртуальные голосовые помощники – вот лишь несколько достижений, которые стали возможны, благодаря глубокому обучению. «Грокаем глубокое обучение» научит конструировать нейронные сети с нуля!
Эндрю Траск знакомит со всеми деталями и тонкостями этой нелегкой задачи. Python и библиотека NumPy способны научить ваши нейронные сети видеть и распознавать изображения, переводить любые тексты на все языки мира и даже писать не хуже Шекспира!
#PyTorch #DeepLearning 2023
Решение задач глубокого обучения с использованием фреймворков Pytorch и Pytorch Lightning
Автор: Елисеев А.И.
Решение задач глубокого обучения с использованием фреймворков Pytorch и Pytorch Lightning
Автор: Елисеев А.И.
Представляет собой комплексное руководство, предназначенное для изучения и применения фреймворков PyTorch и PyTorch Lightning в контексте задач глубокого обучения с акцентом на область компьютерного зрения.
#DeepLearning 2024
Генеративное глубокое обучение. Как не мы рисуем картины, пишем романы и музыку, 2-е межд. издание
Автор: Дэвид Фостер
Генеративное глубокое обучение. Как не мы рисуем картины, пишем романы и музыку, 2-е межд. издание
Автор: Дэвид Фостер
Генеративный ИИ — одна из самых обсуждаемых тем в сфере технологий. Пора разобраться с возможностями TensorFlow и Keras, чтобы с легкостью создавать впечатляющие генеративные модели глубокого обучения, включая вариационные автокодировщики (VAE), генеративно-состязательные сети (GAN), трансформеры, нормализующие потоки, модели на основе энергии и диффузионные модели удаления шума. Дэвид Фостер, начинает с основ глубокого обучения и постепенно переходит к передовым архитектурам. Благодаря его советам и подсказкам вы узнаете, как повысить эффективность обучения и творческие возможности ваших моделей.
Книга была полностью обновлена и переработана, чтобы соответствовать текущему развитию генеративного обучения.
#DeepLearning #ПоисковыеСистемы 2020
Глубокое обучение для поисковых систем
Автор: Теофили Т.
Глубокое обучение для поисковых систем
Автор: Теофили Т.
В книге рассказывается о том, как использовать глубокие нейронные сети для создания эффективных поисковых систем. Рассматривается несколько компонентов поисковой системы, дается представление о том, как они работают, и приводятся рекомендации по использованию нейронных сетей в разных контекстах поиска. Особое внимание уделено практическому объяснению методов поиска и глубокого машинного обучения на базе примеров, большинство которых включает фрагменты кода. Автор освещает основные проблемы, связанные с поисковыми системами, и указывает пути решения этих проблем. Он раскрывает принципы тестирования эффективности нейронных сетей, а также измерения их затрат и выгод.
Издание предназначено для читателей, владеющих программированием на среднем уровне и отлаживающих поисковые системы с целью повышения их эффективности, то есть выдачи наиболее релевантных результатов.
#MachineLearning #DeepLearning #PyTorch #Scikit_Learn 2023
Машинное обучение с PyTorch и Scikit-Learn
Авторы: Себастьян Рашка, Лю Юси (Хэйден), Мирджалили Вахид
Машинное обучение с PyTorch и Scikit-Learn
Авторы: Себастьян Рашка, Лю Юси (Хэйден), Мирджалили Вахид
Исчерпывающее руководство по машинному (МО) и глубокому обучению с использованием языка программирования Python, фреймворка PyTorch и библиотеки scikit-learn. Рассмотрены основы МО, алгоритмы для задач классификации, классификаторы на основе scikit-learn, предварительная обработка и сжатие данных, современные методы оценки моделей и объединение различных моделей для ансамблевого обучения.
Вы изучите:
- фреймворки, модели и методы машинного обучения, применимые к широкому кругу задач и наборов данных;
- библиотеку scikit-learn для машинного обучения и фреймворк PyTorch для глубокого обучения;
- приемы обучения классификаторов на изображениях, тексте и т. д.;
- средства создания и обучения нейронных сетей, преобразователей и графических нейронных сетей;
- передовые методы оценки и настройки моделей.
#DeepLearning #PyTorch #fastai 2022
Глубокое обучение с fastai и PyTorch. Минимум формул, минимум кода, максимум эффективности
Авторы: Гуггер Сильвейн, Ховард Джереми
Глубокое обучение с fastai и PyTorch. Минимум формул, минимум кода, максимум эффективности
Авторы: Гуггер Сильвейн, Ховард Джереми
Обычно на глубокое обучение смотрят с ужасом, считая, что только доктор математических наук или ботан, работающий в крутой айтишной корпорации, могут разобраться в этой теме. Отбросьте стереотипы: любой программист, знакомый с Python, может добиться впечатляющих результатов. Как? С помощью fastai - библиотеки, предоставляющей комфортный интерфейс для решения наиболее популярных задач.
#DeepLearning 2025
Глубокое обучение: принципы и концепции
Авторы: Бишоп К. М., Бишоп Х.
Глубокое обучение: принципы и концепции
Авторы: Бишоп К. М., Бишоп Х.
Книга предлагает исчерпывающее описание фундаментальных идей, лежащих в основе глубокого обучения и выдержавших испытание временем. Для глубокого понимания принципов машинного обучения требуется определенная математическая подготовка, поэтому в книгу включено основательное введение в теорию вероятностей. Особое внимание уделяется практической ценности изучаемых методов в реальном мире.
Сложные концепции представлены в нескольких взаимодополняющих ракурсах, включая текстовые описания, диаграммы, математические формулы и программные псевдокоды.
#DeepLearning #TensorFlow #Keras #PyTorch 2026
Глубокое обучение с TensorFlow, Keras и PyTorch
Автор: пер. с англ. И. Л. Люско
Глубокое обучение с TensorFlow, Keras и PyTorch
Автор: пер. с англ. И. Л. Люско
Эта книга научит вас создавать современные модели глубокого обучения с помощью самых мощных и популярных фреймворков TensorFlow, Keras и PyTorch. Независимо от того, являетесь ли вы опытным специалистом в области машинного обучения или только начинаете свою карьеру, она снабдит вас инструментами и знаниями для решения сложных задач в области искусственного интеллекта.
Издание адресовано специалистам по обработке данных, разработчикам, инженерам и энтузиастам ИИ, стремящимся развивать свои навыки и работать с самыми передовыми инструментами.