Прикладное глубокое обучение. Подход к пониманию глубоких нейронных сетей на основе метода кейсов
Книга представляет собой практическое руководство по глубокому обучению, построенное на основе метода кейсов. Автор рассматривает расширенные темы, такие как оптимизационные алгоритмы, настройка гиперпараметров, отсев и анализ ошибок, стратегии решения типичных задач при тренировке глубоких нейронных сетей.
В издании подробно описаны базовые элементы: простые активационные функции (ReLU, сигмоида, Swish), линейная и логистическая регрессии, а также более сложные нейросетевые архитектуры с многочисленными слоями и нейронами. Особое внимание уделено библиотеке TensorFlow, выбору стоимостных функций и работе с вычислительными графами.
Практическая часть включает отладку и оптимизацию методов отсева и регуляризации, настройку проектов машинного обучения для работы со сложными наборами данных. Приведён анализ ошибок нейронных сетей с примерами решения проблем, возникающих из-за дисперсии, смещения, переподгонки или разрозненных данных.
Издание ориентировано на разработчиков, которые хотят не только понять теоретические основы глубокого обучения, но и научиться применять эти знания на практике, решая реальные задачи с использованием современных инструментов.
