Applied Deep Learning: Design and implement your own Neural Networks to solve real-world problems Название: Прикладное глубокое обучение. Проектирование и реализация собственных нейронных сетей для решения реальных задач. Автор(ы): Раджкумар Текчандани, Нирадж Кумар [Rajkumar Tekchandani, Neeraj Kumar] Издатель: BPB Publications Языки: английский AISN: B0C3XNCCRK Описание:
Основные характеристики
? Узнайте, как эффективно спроектировать собственную нейронную сеть.
? Узнайте, как создавать и обучать рекуррентные нейронные сети (RNN).
? Понять, как работают кодирование и декодирование в глубоких нейронных сетях. Глубокое обучение становится все более важным из-за растущей необходимости обрабатывать и осмысливать огромные объемы данных в различных областях. Если вы хотите глубже понять методы и реализации глубокого обучения, то эта книга для вас. Книга представляет вам подробное введение в искусственный интеллект и машинное обучение, начиная с основ и заканчивая всесторонним освещением глубокого обучения с помощью Python. Вы познакомитесь с интуицией нейронных сетей и узнаете, как их эффективно проектировать и обучать. Двигаясь дальше, вы узнаете, как использовать сверточные нейронные сети для распознавания изображений и других визуальных задач. Затем в книге основное внимание уделяется локализации и обнаружению объектов, которые являются важнейшими задачами во многих приложениях, включая беспилотные автомобили и робототехнику. Вы также узнаете, как использовать алгоритмы глубокого обучения для идентификации и определения местоположения объектов на изображениях и видео. Кроме того, вы получите знания о том, как создавать и обучать рекуррентные нейронные сети (RNN), а также изучать более продвинутые варианты RNN. Наконец, вы узнаете о генеративно-состязательных сетях (GAN), которые используются для таких задач, как генерация изображений и передача стилей. Чему вы научитесь:
? Научитесь эффективно работать с различными сверточными моделями.
? Узнайте, как использовать платформу You Only Look Once (YOLO) для обнаружения и локализации объектов.
? Понять, как использовать рекуррентные нейронные сети для последовательного обучения.
? Узнайте, как решить проблему исчезающего градиента с помощью LSTM.
? Различайте поддельные и настоящие изображения с помощью различных генеративно-состязательных сетей.
