Математика и архитектура глубокого обучения. Кришнанду Чаудхури.

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.

В этой книге:

• основные принципы проектирования нейронных сетей;
• реализация глубокого обучения на Python с помощью PyTorch;
• регуляризация и оптимизация неэффективных моделей.

Читатель должен быть знаком с языком программирования Python и знать основы алгебры и матанализа.

КОМУ АДРЕСОВАНА КНИГА

Книга адресована читателю, имеющему базовые знания инженерной математики и программирования на Python, а также серьезное намерение освоить глубокое обучение. Для максимальной пользы математические выкладки рекомендуется проработать с помощью карандаша и бумаги, а программы PyTorch — выполнить на компьютере. Вот некоторые возможные категории читателей.

• Специалист с научно-техническим или математическим образованием (возможно, полученным некоторое время назад), который рассматривает возможность начать карьеру в сфере глубокого обучения. Предварительные знания из области машинного обучения или глубокого обучения не требуются.

• Практикующий специалист по машинному обучению начального или среднего уровня, стремящийся лучше понять работу различных методов и перейти от загрузки моделей из Интернета и их тестирования к разработке собственных решений глубокого обучения для реализации реальных задач и/или развить способность читать и понимать исследовательские публикации по данной теме.

• Студент, начинающий карьеру в области глубокого обучения.