Глубокое обучение с точки зрения практика

Все, что должен знать разработчик-практик, чтобы приступить к применению глубокого обучения для решения реальных задач!

• Концепции машинного обучения вообще и глубокого обучения в частности.
• Эволюция глубоких сетей из нейронных.
• Основные архитектуры глубоких сетей, в т. ч. сверточные и рекуррентные нейронные сети.
• Как выбрать сеть, отвечающую поставленной задаче.
• Основы настройки нейронных сетей вообще и конкретных глубоких архитектур.
• Применение методов векторизации к данным различных типов.

Интерес к машинному обучению зашкаливает, но завышенные ожидания нередко губят проекты еще на ранней стадии. Как машинное обучение - и особенно глубокие нейронные сети - может изменить вашу организацию? Эта книга не только содержит практически полезную информацию о предмете, но и поможет приступить к созданию эффективных сетей глубокого обучения.

Авторы сначала раскрывают фундаментальные вопросы глубокого обучения - настройка, распараллеливание, векторизация, конвейеры операций - актуальные для любой библиотеки, а затем переходят к библиотеке Deeplearning4j (DL4J), предназначенной для разработки технологических процессов профессионального уровня. На реальных примерах читатель познакомится с методами и стратегиями обучения глубоких сетей с различной архитектурой и их распараллеливания в кластерах Hadoop и Spark.