Hlboké učenie

Recenzie čitateľov

Kniha „Deep Learning“ od Iana Goodfellowa, Yoshuu Bengia a Aarona Courvilla je oceňovaná za komplexné pokrytie pokročilých tém v oblasti hlbokého učenia, ktoré poskytuje jedinečný pohľad a hlboký vhľad do tejto oblasti. Čelí však kritike za nízku kvalitu tlače, nejasné zacielenie na publikum a hutnú matematickú prezentáciu, čím je menej prístupná pre začiatočníkov.

⬤ Komplexné pokrytie tém hlbokého učenia a najnovšieho výskumu.
⬤ Vynikajúce vysvetlenia pokročilých konceptov.
⬤ Zahrnutie teoretických základov popri praktických úvahách.
⬤ Napísané poprednými odborníkmi v tejto oblasti.
⬤ Dobre organizovaná štruktúra rozdelená na matematické koncepty, techniky a aplikácie.

⬤ Hustý matematický zápis môže sťažovať pochopenie jednoduchých pojmov.
⬤ Predpokladá silné základy lineárnej algebry a kalkulu, čo môže odradiť začiatočníkov.
⬤ Niektorí čitatelia považujú štýl písania za suchý a málo pedagogický.
⬤ Kvalita tlače a väzby niektorých vydaní je nízka.
⬤ Nejasné cieľové publikum; nemusí efektívne slúžiť praktikom, ktorí hľadajú praktické aplikácie.

(na základe 673 čitateľských recenzií)

Pôvodný názov:

Deep Learning

Obsah knihy:

Úvod do širokej škály tém v oblasti hlbokého učenia, ktorý zahŕňa matematické a koncepčné pozadie, techniky hlbokého učenia používané v priemysle a perspektívy výskumu.

„Kniha Deep Learning, ktorú napísali traja odborníci v tejto oblasti, je jedinou komplexnou knihou na túto tému.“.

Elon Musk, spolupredseda OpenAI; spoluzakladateľ a generálny riaditeľ spoločností Tesla a SpaceX.

Hlboké učenie je forma strojového učenia, ktorá umožňuje počítačom učiť sa zo skúseností a chápať svet v zmysle hierarchie pojmov. Keďže počítač zhromažďuje znalosti zo skúseností, nie je potrebné, aby ľudský operátor počítača formálne špecifikoval všetky znalosti, ktoré počítač potrebuje. Hierarchia pojmov umožňuje počítaču učiť sa zložité pojmy tak, že ich vytvára z jednoduchších pojmov; graf týchto hierarchií by mal mnoho vrstiev. Táto kniha predstavuje širokú škálu tém v oblasti hlbokého učenia.

Text ponúka matematické a koncepčné zázemie, ktoré zahŕňa príslušné koncepty lineárnej algebry, teórie pravdepodobnosti a teórie informácie, numerických výpočtov a strojového učenia. Opisuje techniky hlbokého učenia, ktoré používajú praktici v priemysle, vrátane hlbokých dopredných sietí, regularizácie, optimalizačných algoritmov, konvolučných sietí, modelovania sekvencií a praktickej metodológie; a skúma také aplikácie, ako je spracovanie prirodzeného jazyka, rozpoznávanie reči, počítačové videnie, online odporúčacie systémy, bioinformatika a videohry. Nakoniec kniha ponúka výskumné perspektívy, ktoré zahŕňajú také teoretické témy, ako sú lineárne faktorové modely, autoenkodéry, učenie reprezentácií, štruktúrované pravdepodobnostné modely, metódy Monte Carlo, rozdeľovacia funkcia, približné odvodzovanie a hlboké generatívne modely.

Hlboké učenie môžu využiť študenti bakalárskeho alebo magisterského štúdia, ktorí plánujú kariéru buď v priemysle, alebo vo výskume, a softvéroví inžinieri, ktorí chcú začať používať hlboké učenie vo svojich produktoch alebo platformách. Webová stránka ponúka doplnkové materiály pre čitateľov aj inštruktorov.