Shallow and Deep Learning Principles

Name: Shallow and Deep Learning Principles
SKU: 76709
Price: 7800 RUB
Availability: InStock

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.

Категории: Электронные книги, Прочая компьютерная литература

Описание
Отзывы (0)

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