Официальный магазин издательской группы ЭКСМО-АСТ
Доставка
8 (800) 333-65-23
Часы работы:
с 8 до 20 (МСК)

Фостер Дэвид: Генеративное глубокое обучение. Творческий потенциал нейронных сетей

Артикул: p5775624

Купили 23 раза

Генеративное глубокое обучение. Творческий потенциал нейронных сетей - фото 1
Генеративное глубокое обучение. Творческий потенциал нейронных сетей - фото 2
Генеративное глубокое обучение. Творческий потенциал нейронных сетей - фото 3
Генеративное глубокое обучение. Творческий потенциал нейронных сетей - фото 4

О товаре

Генеративное моделирование — одна из самых обсуждаемых тем в области искусственного интеллекта. Машины можно научить рисовать, писать и сочинять музыку. Вы сами можете посадить искусственный интеллект за парту или мольберт, для этого достаточно познакомиться с самыми актуальными примерами генеративных моделей глубокого обучения: вариационные автокодировщики, генеративно-состязательные сети, модели типа кодер-декодер и многое другое. Дэвид Фостер делает понятными и доступными архитектуру и методы генеративного моделирования, его советы и подсказки сделают ваши модели более творческими и эффективными в обучении. Вы начнете с основ глубокого обучения на базе Keras, а затем перейдете к самым передовым алгоритмам. - Разберитесь с тем, как вариационные автокодировщики меняют эмоции на фотографиях - Создайте сеть GAN с нуля - Освойте работу с генеративные моделями генерации текста - Узнайте, как генеративные модели помогают агентам выполнять задачи в рамках обучения с подкреплением - Изучите BERT, GPT-2, ProGAN, StyleGAN и многое другое.

Характеристики

Последний экземпляр
2 198 ₽
Дарим до 40 бонусных рублей за отзыв

Ирина Колыбельская

5
Одна из лучших книг по теме машинного обучения на русском языке, очень методично написана, объясняются и применяемые слои в keras и теория vae и gan, рассматриваются самые значимые статьи 2014-2018, подача материала не сухая - приведены смешные примеры про торговок яблок-апельсинов и заключённых, помогающих писать роман. Для текста рассмотрена задача генерации вопросов, bert вскользь, но подробно описаны механизмы внимания, архитектура трансформера. Затронуто RL. Рабочие примеры на сайте TF, на github сопровождающий код автора книги. Отличные схемы, изложение, правильный перевод. Книга для понимания происходящего и зачем оно нужно на русском языке с красивыми картинками. На фото с хронологической шкалой видно сетки, которые упоминаются в книге. Математики в книге минимум, поэтому она доступна для понимания и людям искусства, которые хотят совместить цифровые и человеческие возможности.