Математика и архитектура глубокого обучения, Чаудхури К., 2026

Математика и архитектура глубокого обучения, Чаудхури К., 2026.
 
   Узнайте, что происходит внутри черного ящика! Для использования глубокого обучения вам придется подготовить данные, выбрать правильную модель, обучить ее. оценить качество и точность и предусмотреть обработку неопределенности и изменчивости в выходных данных развернутого решения. Эта книга шаг за шагом знакомит с основными математическими концепциями, которые пригодятся вам как специалисту по данным, — с векторным исчислением, линейной алгеброй и байесовским выводом, представляя их с точки зрения глубокого обучения.
Авторы объясняют математику, теорию и принципы построения моделей глубокого обучения, а затем демонстрируют применение теории на практике, приводя фрагменты программного кода на Python с подробными комментариями. В книге вы пройдете путь от основ алгебры, исчисления и статистики до современных архитектур глубокого обучения, ставших результатом новейших исследований.




Векторы, матрицы и тензоры в машинном обучении.
Основная задача моделей машинного обучения, как и любого программного обеспечения, — обработка чисел. Мы вводим набор чисел в машину и получаем на выходе другой набор чисел. Однако это нельзя делать случайным образом. Важно правильно организовать числа и сгруппировать их в значимые объекты, входящие в машину и выходящие из нее. Роль таких объектов играют векторы и матрицы. Математики используют эти понятия уже много столетий, а мы просто применяем их в машинном обучении.

В этой главе вы познакомитесь с векторами и матрицами и их ролью в машинном обучении. Начав с основ, мы быстро перейдем к более сложным методам, ограничиваясь темами, относящимися к машинному обучению.

ОГЛАВЛЕНИЕ.
Предисловие.
Введение.
Благодарности.
О книге.
Об авторах.
Иллюстрация на обложке.
Глава 1. Обзор машинного и глубокого обучения.
Глава 2. Векторы, матрицы и тензоры в машинном обучении.
Глава 3. Классификаторы и векторное исчисление.
Глава 4. Инструменты линейной алгебры в машинном обучении.
Глава 5. Распределение вероятностей в машинном обучении.
Глава 6. Байесовские инструменты в машинном обучении.
Глава 7. Аппроксимация функций: как нейронные сети моделируют мир.
Глава 8. Обучение нейронных сетей: прямое и обратное распространение ошибки.
Глава 9. Функции потерь, оптимизация и регуляризация.
Глава 10. Свертки в нейронных сетях.
Глава 11. Нейронные сети для классификации изображений и обнаружения объектов.
Глава 12. Многообразия, гомеоморфизм и нейронные сети.
Глава 13. Полное байесовское оценивание параметров модели.
Глава 14. Латентное пространство, генеративное моделирование и автокодировщики.
Приложение.
Обозначения.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Математика и архитектура глубокого обучения, Чаудхури К., 2026 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Скачать - pdf - Яндекс.Диск.




Теги: учебник по информатике :: информатика :: компьютеры :: Чаудхури :: автокодировщик :: нейросеть