16+
metin
PDF

Cilt 352 sayfalar

2020 yıl

16+

Генеративное глубокое обучение. Творческий потенциал нейронных сетей

metin
PDF
₺245,40
%10 indirim al
Bu kitabı önerin ve arkadaşınız kitabı satın aldığında ₺24,55 kazanın.

Kitap hakkında

Генеративное моделирование – одна из самых обсуждаемых тем в области искусственного интеллекта. Машины можно научить рисовать, писать и сочинять музыку. Вы сами можете посадить искусственный интеллект за парту или мольберт, для этого достаточно познакомиться с самыми актуальными примерами генеративных моделей глубокого обучения: вариационные автокодировщики, генеративно-состязательные сети, модели типа кодер-декодер и многое другое. Дэвид Фостер делает понятными и доступными архитектуру и методы генеративного моделирования, его советы и подсказки сделают ваши модели более творческими и эффективными в обучении. Вы начнете с основ глубокого обучения на базе Keras, а затем перейдете к самым передовым алгоритмам.Разберитесь с тем, как вариационные автокодировщики меняют эмоции на фотографиях.Создайте сеть GAN с нуля.Освойте работу с генеративными моделями генерации текста.Узнайте, как генеративные модели помогают агентам выполнять задачи в рамках обучения с подкреплением.Изучите BERT, GPT-2, ProGAN, StyleGAN и многое другое.

Книга "Generative Deep Learning: Creative Applications of Neural Networks" автора Foster является отличным руководством по генеративному глубокому обучению. Автор подробно описывает различные методы и подходы, используемые в этой области, такие как генеративно-состязательные сети, вариационные автоэнкодеры и многие другие.

Одна из сильных сторон этой книги заключается в том, что она не только описывает теоретические основы генеративного глубокого обучения, но и предлагает множество практических примеров и упражнений. Это позволяет читателям лучше понять и освоить материал.

Однако книга может быть сложной для новичков из-за большого количества технических деталей. Автор предполагает, что читатели уже знакомы с основами глубокого обучения и программирования.

В целом, эта книга является ценным ресурсом для специалистов в области искусственного интеллекта и глубокого обучения. Она помогает углубить понимание методов генеративного обучения и предоставляет инструменты для создания творческих приложений на основе нейронных сетей.

Интересный аспект применения нейронных сетей. Отличный набор иллюстративных примеров. Хороший набор перспективных концепций и направлений применения нейронных сетей на практике.

Невероятно интересная книга, перевод крайне удачный. Примеры с аналогиями очень эффективные, способствуют пониманию сложных концептов.

Yorum gönderin

Giriş, kitabı değerlendirin ve yorum bırakın

Kitap açıklaması

Генеративное моделирование – одна из самых обсуждаемых тем в области искусственного интеллекта. Машины можно научить рисовать, писать и сочинять музыку. Вы сами можете посадить искусственный интеллект за парту или мольберт, для этого достаточно познакомиться с самыми актуальными примерами генеративных моделей глубокого обучения: вариационные автокодировщики, генеративно-состязательные сети, модели типа кодер-декодер и многое другое.

Дэвид Фостер делает понятными и доступными архитектуру и методы генеративного моделирования, его советы и подсказки сделают ваши модели более творческими и эффективными в обучении. Вы начнете с основ глубокого обучения на базе Keras, а затем перейдете к самым передовым алгоритмам.

  • Разберитесь с тем, как вариационные автокодировщики меняют эмоции на фотографиях.
  • Создайте сеть GAN с нуля.
  • Освойте работу с генеративными моделями генерации текста.
  • Узнайте, как генеративные модели помогают агентам выполнять задачи в рамках обучения с подкреплением.
  • Изучите BERT, GPT-2, ProGAN, StyleGAN и многое другое.

Дэвида Фостера “Генеративное глубокое обучение. Творческий потенциал нейронных сетей” adlı kitabı - pdf olarak indirin veya çevrimiçi olarak okuyun. Yorumlarınızı ve geri bildirimlerinizi gönderin, favorilerinize puan verin.
Yaş sınırı:
16+
Litres'teki yayın tarihi:
01 mart 2021
Çeviri tarihi:
2020
Son güncelleme:
2020
Hacim:
352 s.
ISBN:
978-5-4461-1566-2
Toplam boyut:
11 МБ
Toplam sayfa sayısı:
352
Telif hakkı:
Питер
İndirme biçimi:
pdf