Głębokie uczenie dla inżynierów

Oryginalny tytuł:

Deep Learning for Engineers

Zawartość książki:

Deep Learning for Engineers wprowadza podstawowe zasady głębokiego uczenia się wraz z wyjaśnieniem podstawowych elementów wymaganych do zrozumienia i zastosowania modeli głębokiego uczenia się.

Jako kompleksowe wytyczne dotyczące stosowania modeli głębokiego uczenia się w praktycznych warunkach, książka ta zawiera łatwą do zrozumienia strukturę kodowania przy użyciu Pythona i PyTorch wraz z dogłębnym wyjaśnieniem czterech typowych studiów przypadków głębokiego uczenia się dotyczących klasyfikacji obrazów, wykrywania obiektów, segmentacji semantycznej i napisów do obrazów. Omówione zostały również podstawy architektur konwolucyjnych sieci neuronowych (CNN) i rekurencyjnych sieci neuronowych (RNN) oraz ich praktyczne zastosowania w nauce i inżynierii.

Książka ta zawiera problemy ćwiczeniowe dla wszystkich studiów przypadków, koncentrując się na różnych podejściach do dostrajania w uczeniu głębokim. Treść książki będzie przydatna dla studentów nauk ścisłych i inżynieryjnych, zarówno na poziomie licencjackim, jak i magisterskim, badaczy akademickich i specjalistów z branży.