Deep Learning for Numerical Applications with SAS (Hardcover edition)
Przedmowa dr Olivera Schabenbergera.
Wiceprezes wykonawczy, dyrektor operacyjny i dyrektor ds. technologii SAS.
Uczenie maszynowe i uczenie głębokie są wszechobecne w naszych domach i miejscach pracy - od tłumaczenia maszynowego po rozpoznawanie obrazów i analitykę predykcyjną po autonomiczną jazdę. Uczenie głębokie niesie ze sobą obietnicę usprawnienia wielu codziennych zadań w różnych dyscyplinach. Duża część literatury poświęconej głębokiemu uczeniu wyjaśnia mechanikę głębokiego uczenia się w celu wdrożenia aplikacji kognitywnych napędzanych przez Big Data. Ta książka jest inna. Napisana przez eksperta w dziedzinie wysokowydajnej analityki, Deep Learning for Numerical Applications with SAS wprowadza nową dziedzinę: Deep Learning for Numerical Applications (DL4NA). W przeciwieństwie do głębokiego uczenia, głównym celem DL4NA nie jest uczenie się z danych, ale radykalna poprawa wydajności aplikacji numerycznych poprzez szkolenie głębokich sieci neuronowych.
Deep Learning for Numerical Applications with SAS przedstawia koncepcje głębokiego uczenia w SAS wraz z technikami krok po kroku, które pozwalają łatwo odtworzyć przykłady na wysokowydajnych systemach analitycznych. Omawia również najnowsze innowacje sprzętowe, które mogą zasilać programy SAS: od wielordzeniowych procesorów CPU, przez GPU, FPGA, po ASIC.
Ta książka zakłada, że czytelnik nie ma wcześniejszej wiedzy na temat wysokowydajnych obliczeń, uczenia maszynowego lub głębokiego uczenia się. Jest przeznaczona dla programistów SAS, którzy chcą rozwijać i uruchamiać najszybsze analizy. Oprócz odkrywania najnowszych trendów w architekturach hybrydowych z GPU i FPGAS, czytelnicy dowiedzą się jak.
⬤ Wykorzystywać głębokie uczenie w SAS.
⬤ Przyspieszyć swoje analizy przy użyciu głębokiego uczenia się.
⬤ Łatwo pisać wysoce równoległe programy przy użyciu wielu paradygmatów obliczeń zadaniowych.