Глубокое обучение, Самый краткий и понятный курс, Келлехер Д.Д., 2022.
В этой книге простым и доступным для неспециалистов языком раскрываются такие сложные темы, как искусственный интеллект, нейросети, машинное обучение, глубокое обучение. Автор рассказывает о предпосылках глубокого обучения, его истории и базовых основах, а также проводит экскурс в будущее этой технологии, раскрывая перед читателями ее потенциал.
В чем кроется успех глубокого обучения?
В любом процессе, основанном на данных, главным фактором успеха является понимание того, что и как следует измерять. Вот почему в машинном обучении так важен процесс подбора и проектирования признаков. Как уже упоминалось выше, для этого могут потребоваться знания в предметной области, статистический анализ данных и ряд экспериментов по формированию моделей с разными сочетаниями признаков. Следовательно, проектирование и подготовка набора данных может занять существенную долю времени и ресурсов, отведенных на проект; в некоторых случаях на это может уходить до 80% от общего бюджета (Келлехер и Тирни, 2018). Проектирование признаков — это одна из тех областей, в которых глубокое обучение может иметь существенное преимущество перед машинным. В традиционном машинном обучении это проектирование часто требует значительных усилий со стороны человека. Глубокое обучение подходит к этому с другой стороны, пытаясь автоматически извлечь из данных признаки, которые будут наиболее полезными для текущей задачи.
Давайте рассмотрим один из примеров проектирования признаков. Индекс массы человеческого тела (англ, body mass index, или BMI) — это отношение веса человека (в килограммах) к его росту (в метрах, возведенных в квадрат). В сфере здравоохранения BMI используется для определения людей с недостаточной, нормальной, избыточной или чрезмерно избыточной массой тела (ожирением). Такая категоризация помогает предсказать вероятность возникновения у человека заболеваний, связанных с весом, таких как диабет. BMI здесь применяется потому, что с его помощью врачи могут делить пациентов на категории, имеющие отношение к соответствующим недугам. Обычно чем человек выше, тем он тяжелее. Однако на большинство заболеваний, связанных с массой тела (таких как диабет), влияет не рост, а то, насколько пациент тяжелее других людей аналогичной комплекции. BMI является полезным показателем, который можно использовать для классификации людей по весу, поскольку учитывает зависимость массы тела от роста. Это пример признака, полученного (вычисленного) из элементарных свойств—в данном случае веса и роста. BMI также иллюстрирует то, как производные признаки, основанные на элементарных, могут оказаться полезнее для принятия решений. Идею BMI еще в восемнадцатом веке предложил Адольф Кетле.
ОГЛАВЛЕНИЕ.
Вступление.
Благодарности.
Глава 1. Введение в глубокое обучение.
Глава 2. Концептуальные основы.
Глава 3. Нейронные сети как составные элементы глубокого обучения.
Глава 4. Краткая история глубокого обучения.
Глава 5. Сверточные и рекуррентные нейронные сети.
Глава 6. Функции обучения.
Глава 7. Будущее глубокого обучения.
Глоссарий.
Купить .
Дата публикации:
Теги: учебник по информатике :: информатика :: компьютеры :: Келлехер :: нейросеть
Смотрите также учебники, книги и учебные материалы:
Следующие учебники и книги:
Предыдущие статьи:
