$28.49 Deep Learning (Adaptive Computation and Machine Learning series) (Глубокое обучение (адаптивных вычислений и машинного обучения серия))

Deep Learning (Adaptive Computation and Machine Learning series)

ASIN: 0262035618 (посмотреть на Amazon.com)

Артикул: 45189572

EAN (European Article Number): 9780262035613

Бренд: The MIT Press

Deep Learning (Adaptive Computation and Machine Learning series)

Продавец: Redikal Books

Лучшее предложение по цене: $~~80.00~~ $28.49 вы экономите $51.51!

Состояние: Новый

Наличие на складе в США: Есть в наличии, доставка по США от 384 до 480 часов. Отгрузка со склада продавца в течение 2-3 недель. Продавец взимает оплату за доставку товара до склада Maxi-Sale в США.

Рекомендуемая производителем цена: $80.00

Мин. цена за новые: $28.49 (23 шт.)

Мин. цена за б/у: $30.01 (50 шт.)

Посмотреть другие предложения от продавцов на Amazon.com

Габариты товара: 17.78 см × 22.86 см × 2.54 см (700 hundredths-inches × 900 hundredths-inches × 100 hundredths-inches)

Вес товара: 1.157 кг

Габариты упаковки: 23.62 см × 3.56 см × 18.29 см (930 hundredths-inches × 140 hundredths-inches × 720 hundredths-inches)

Вес упаковки: 1.157 кг, приблизительная стоимость доставки в Россию (Москва) $23.14

Тип товара: Книга абис (ABIS_BOOK)

Товарная группа: Книги (Book)

Характеристики

Характеристики на английском языке

Подробное описание

Введение в широкий круг вопросов для углубленного обучения, охватывающие математические и концептуальные предпосылки, глубокие методов обучения, используемых в промышленности и перспективы исследований.

", Написанная тремя экспертами в области, глубокое обучение - это единственная всеобъемлющая Книга по этой теме".
-- Элон Маск, сопредседатель OpenAI; соучредитель и генеральный директор Tesla и spacex

Глубокое обучение-это форма машинного обучения, который позволяет компьютерам обмениваться опытом и понимать мир с точки зрения иерархии понятий. Поскольку компьютер собирает знания с опытом, нет никакой необходимости для человека-оператора компьютера, чтобы формально определить все знания, что компьютер должен. Иерархия понятий позволяет компьютеру понять сложные понятия, составляя их из простых; график этих иерархий будет много слоев в глубину. Эта книга знакомит широкий круг вопросов, в глубокое обучение.

Текст предлагает математический и концептуальный фон, охватывающих соответствующие понятия линейной алгебры, теории вероятностей и теории информации, численных вычислений и машинного обучения. Он описывает глубокое изучение методов, используемых специалистами в отрасли, в том числе глубокой связью сети, упорядочения, оптимизации алгоритмов сверточных сетей, последовательность моделирования и практической методологии; а его обследований, таких приложений, как обработка естественного языка, распознавание речи, компьютерное зрение, онлайн рекомендательных систем, биоинформатики, и видеоигр. Наконец, книга предлагает перспективы исследований, которые охватывают такие теоретические темы, как линейные факторные модели, autoencoders, представление обучения, структурированный вероятностных моделей, методов Монте-Карло, функция секционирования, приблизительное умозаключение, глубокое и генеративных моделей.

Глубокое обучение может использоваться по студентов или аспирантов студентов, планирующих карьеру в промышленности или исследовательских и программного обеспечения инженеров, которые хотят начать использовать глубокое обучение своих продуктов и платформ. Сайт предлагает дополнительный материал для читателей и преподавателей.

Подробное описание на английском языке

An introduction to a broad range of topics in deep learning, covering mathematical and conceptual background, deep learning techniques used in industry, and research perspectives.

"Written by three experts in the field, Deep Learning is the only comprehensive book on the subject."
â€•Elon Musk, cochair of OpenAI; cofounder and CEO of Tesla and SpaceX

Deep learning is a form of machine learning that enables computers to learn from experience and understand the world in terms of a hierarchy of concepts. Because the computer gathers knowledge from experience, there is no need for a human computer operator to formally specify all the knowledge that the computer needs. The hierarchy of concepts allows the computer to learn complicated concepts by building them out of simpler ones; a graph of these hierarchies would be many layers deep. This book introduces a broad range of topics in deep learning.

The text offers mathematical and conceptual background, covering relevant concepts in linear algebra, probability theory and information theory, numerical computation, and machine learning. It describes deep learning techniques used by practitioners in industry, including deep feedforward networks, regularization, optimization algorithms, convolutional networks, sequence modeling, and practical methodology; and it surveys such applications as natural language processing, speech recognition, computer vision, online recommendation systems, bioinformatics, and videogames. Finally, the book offers research perspectives, covering such theoretical topics as linear factor models, autoencoders, representation learning, structured probabilistic models, Monte Carlo methods, the partition function, approximate inference, and deep generative models.

Deep Learning can be used by undergraduate or graduate students planning careers in either industry or research, and by software engineers who want to begin using deep learning in their products or platforms. A website offers supplementary material for both readers and instructors.

Похожие товары

Аксессуары

Maxi-Sale.ru is a participant in the Amazon Services LLC Associates Program, an affiliate advertising program designed to provide a means for sites to earn advertising fees by advertising and linking to Amazon.com.

Наручные и карманные часы из Amazon

Разделы магазина Amazon