Neurónové siete a hlboké učenie: Učebnica

Recenzie čitateľov

Kniha je komplexným akademickým zdrojom na pochopenie základov hlbokého učenia s dôrazom na teóriu a algoritmy, s jasnými vysvetleniami a rozsiahlym pokrytím najnovšieho vývoja v tejto oblasti. Chýbajú v nej však praktické príklady programovania a diskusia o embeddingoch.

Dobre organizovaná s jasnými vysvetleniami, pokrýva základné koncepty hlbokého učenia a príslušnú matematiku, poskytuje rozsiahle aktualizácie vrátane veľkých jazykových modelov a moderných architektúr, obsahuje množstvo cvičení na posilnenie konceptov.

Neobsahuje praktické príklady programovania ani riešenia cvičení, chýba diskusia o embeddingoch a vyžaduje silné zázemie v oblasti kalkulu a lineárnej algebry.

(na základe 7 čitateľských recenzií)

Pôvodný názov:

Neural Networks and Deep Learning: A Textbook

Obsah knihy:

Táto učebnica sa zaoberá klasickými aj modernými modelmi hlbokého učenia a obsahuje príklady a cvičenia v jednotlivých kapitolách. Podrobne sú predstavené metódy hlbokého učenia pre rôzne dátové domény, ako sú text, obrázky a grafy. Kapitoly tejto knihy pokrývajú tri kategórie:

Základy neurónových sietí: Algoritmus spätného šírenia sa rozoberá v kapitole 2.

Mnohé tradičné modely strojového učenia možno chápať ako špeciálne prípady neurónových sietí. Kapitola 3 skúma súvislosti medzi tradičným strojovým učením a neurónovými sieťami. Ukazuje sa, že stroje s podpornými vektormi, lineárna/logistická regresia, rozklad singulárnej hodnoty, faktorizácia matíc a odporúčacie systémy sú špeciálnymi prípadmi neurónových sietí.

Základy neurónových sietí: Podrobná diskusia o trénovaní a regularizácii je uvedená v kapitolách 4 a 5. Kapitoly 6 a 7 predstavujú siete s radiálnou základňou (RBF) a obmedzené Boltzmannove stroje.

Pokročilé témy v neurónových sieťach: Kapitoly 8, 9 a 10 sa zaoberajú rekurentnými neurónovými sieťami, konvolučnými neurónovými sieťami a grafovými neurónovými sieťami. V kapitolách 11 a 12 je predstavených niekoľko pokročilých tém, ako je hlboké posilňovacie učenie, mechanizmy pozornosti, transformačné siete, Kohonenove samoorganizujúce sa mapy a generatívne adverzné siete.

Učebnica je napísaná pre študentov magisterského štúdia a študentov vyšších ročníkov. Zakúpiť si ju budú chcieť aj výskumníci a praktici pracujúci v tejto príbuznej oblasti.

Tam, kde je to možné, je zdôraznený aplikačne orientovaný pohľad s cieľom poskytnúť pochopenie praktického využitia jednotlivých tried techník.

Druhé vydanie je podstatne reorganizované a rozšírené o samostatné kapitoly o spätnom šírení a grafových neurónových sieťach. Mnohé kapitoly boli oproti prvému vydaniu výrazne prepracované.

Väčší dôraz sa kladie na moderné myšlienky hlbokého učenia, ako sú mechanizmy pozornosti, transformátory a predtrénované jazykové modely.