Shallow and Deep Learning Principles
7.800 ₽
Название: Shallow and Deep Learning Principles
Формат: PDF
Тема: Глубокое обучение
Количество страниц: 678
Качество: Компьютерное, издательское
This book discusses Artificial Neural Networks (ANN) and their ability to predict outcomes using deep and shallow learning principles. The author first describes ANN implementation, consisting of at least three layers that must be established together with cells, one of which is input, the other is output, and the third is a hidden (intermediate) layer. For this, the author states, it is necessary to develop an architecture that will not model mathematical rules but only the action and response variables that control the event and the reactions that may occur within it. The book explains the reasons and necessity of each ANN model, considering the similarity to the previous methods and the philosophical – logical rules.
Описание
Shallow and Deep Learning Principles — книга, которая последовательно раскрывает фундаментальные и продвинутые концепции машинного обучения. Автор объясняет, как работают алгоритмы от простых линейных моделей до современных глубоких нейронных сетей, показывая математическую основу и практическое применение каждого подхода.
Издание охватывает как классические методы shallow learning (регрессия, деревья решений, SVM, ансамбли), так и ключевые архитектуры deep learning: сверточные и рекуррентные сети, трансформеры, автоэнкодеры, генеративные модели. Особое внимание уделяется вопросам оптимизации, регуляризации, обобщению и выбору подходящей модели под конкретную задачу.
- студентам и аспирантам, изучающим машинное обучение и data science
- практикующим разработчикам, которые хотят систематизировать знания о нейронных сетях
- специалистам по анализу данных, желающим глубже понять математические принципы
- всем, кто переходит от поверхностного использования фреймворков к осознанной работе с моделями
Только зарегистрированные клиенты, купившие данный товар, могут публиковать отзывы.
Похожие
Другие книги раздела «Прочая компьютерная литература»
- Heikki Topi – Computing Handbook (3rd edition, 2014)
- Kuinam Kim – Information Science and Applications (2015)
- Michael Alexander – Excel 2016 Formulas
- Rolf Johannesson – Fundamentals of Convolutional Coding (2015)
- S. Gollapudi – Practical Machine Learning (2016)
- S. Tickoo – Solidworks 2016 for Designers
- Steve Clarke – End User Computing. Concepts Methodologies Tools
- V. Krapivin – New Ecoinformatics Tools in Environmental Science (2015)
- П. Дюбуа – MySQL. Сборник рецептов (2007)
- С. Алапати – Oracle Database 11g. Руководство администратора баз данных (2010)
- J. Kacprzyk – Springer Handbook of Computational Intelligence (2015)
- R. Choras – Image Processing and Communications Challenges 6 (2015)
- A. Hameurlain – Transactions on Large Scale Data and Knowledge Centered Systems XIX
- P. Morin – Open Data Structures (2013)
- D. Nolan – XML and Web Technologies for Data Sciences with R (2014)
- G. Subramanian – Python Data Science Cookbook (2015)
Рекомендуем также
- L. Hanna – Practical Clinical Oncology (2016)
- L. Rodrigo – Colorectal Cancer (2016)
- Ahmed Tahour – Wind Turbines (2016)
- C. Richter – Solar Energy (2013)
- I. Dincer – Drying Phenomena (2016)
- I. Dincer – Progress in Exergy, Energy, and the Environment (2014)
- N. Badea – Design for Micro-Combined Cooling, Heating and Power Systems
- Q. Xu – Advanced Materials for Clean Energy (2015)
Отзывы
Отзывов пока нет.