Understanding Deep Learning
Autor Simon J. D. Princeen Limba Engleză Hardback – 5 dec 2023
În dezvoltarea sistemelor moderne de inteligență artificială, inginerii se lovesc adesea de pragul dintre înțelegerea intuitivă a algoritmilor și rigoarea matematică necesară implementării lor. Understanding Deep Learning abordează direct această problemă, oferind un fundament teoretic solid fără a sacrifica latura practică. Analizăm o structură logică în 21 de capitole, care ghidează cititorul de la rețelele neurale de mică adâncime (shallow) și funcții de pierdere, până la tehnologii de frontieră. Remarcăm includerea unor teme precum modelele de difuzie și arhitecturile transformer, elemente care lipsesc adesea din manualele clasice, dar care definesc peisajul actual al AI-ului generativ. Autorul Simon J. D. Prince își rafinează aici abordarea pedagogică începută în Computer Vision, unde punea accent pe modelele probabilistice ca temă unificatoare. În acest nou volum, el reușește să distileze ideile esențiale dintr-un domeniu suprasaturat de detalii tehnice redundante. Ca și Christopher M. Bishop în Deep Learning, autorul distilează experiență reală în principii acționabile, însă Prince plasează un accent mult mai puternic pe vizualizare, folosind cele peste 250 de ilustrații color pentru a demistifica procesele de optimizare și propagarea gradienților. Progresia narativă este susținută de exerciții de programare în Python, permițând testarea imediată a conceptelor de regularizare, rețele convoluționale sau grafuri neurale (GNN). Subliniem și capitolul final dedicat eticii, un aspect critic pentru orice specialist care proiectează modele cu impact social.
Preț: 578.77 lei
Preț vechi: 826.42 lei
-30%
Carte disponibilă
Livrare economică 05-12 mai
Livrare express 21-25 aprilie pentru 103.76 lei
Specificații
ISBN-10: 0262048647
Pagini: 544
Ilustrații: 268 color illustrations, 15 b&w illustrations
Dimensiuni: 211 x 235 x 41 mm
Greutate: 1.48 kg
Editura: The MIT Press
V-ar putea interesa
-
Deep Learning IllustratedJon Krohn-20%Preț: 339.93 lei424.91 lei -
Learning Deep LearningMagnus Ekman-20%Preț: 428.80 lei536.01 lei -
Deep LearningIan Goodfellow-20%Preț: 605.46 lei756.83 lei -
Deep LearningJohn D. Kelleher-20%Preț: 82.78 lei103.47 lei -
-41%Preț: 466.72 lei794.15 lei -
-40%Preț: 369.43 lei616.25 lei -
-32%Preț: 581.46 lei858.61 lei -
Grokking Deep LearningAndrew Trask-20%Preț: 268.46 lei335.58 lei -
Math and Architectures of Deep LearningKrishnendu Chaudhury-20%Preț: 381.77 lei477.22 lei -
Deep Learning with PythonFrancois Chollet-20%Preț: 333.92 lei417.40 lei -
Inside Deep Learning: Math, Algorithms, ModelsEdward Raff-20%Preț: 315.72 lei394.65 lei -
Deep Learning: A Visual ApproachAndrew Glassner-36%Preț: 471.92 lei740.76 lei -
-20%Preț: 232.00 lei290.00 lei -
Deep Learning Crash CourseGiovanni Volpe-36%Preț: 272.22 lei425.01 lei -
Practical Deep Learning, 2nd Edition: A Python-Based IntroductionRonald T. Kneusel-36%Preț: 312.37 lei491.52 lei -
Deep Learning ArchitecturesOvidiu CalinPreț: 513.60 lei -
Neural Networks and Deep LearningCharu C. AggarwalPreț: 427.05 lei -
Materials Data ScienceStefan Sandfeld-15%Preț: 573.37 lei674.56 lei -
Practical Deep Learning with PyTorchDeepak Gowda-20%Preț: 225.42 lei281.77 lei
De ce să citești această carte
Pentru programatorii și studenții care doresc să treacă de la utilizarea bibliotecilor de tip „black box” la proiectarea propriilor arhitecturi de învățare profundă. Veți câștiga o înțelegere vizuală și matematică a modelelor Transformer și Diffusion, esențiale astăzi. Este o resursă echilibrată care oferă atât rigoarea necesară cercetării, cât și notebook-urile Python necesare aplicării imediate în industrie.
Descriere scurtă
Deep learning is a fast-moving field with sweeping relevance in today’s increasingly digital world. Understanding Deep Learning provides an authoritative, accessible, and up-to-date treatment of the subject, covering all the key topics along with recent advances and cutting-edge concepts. Many deep learning texts are crowded with technical details that obscure fundamentals, but Simon Prince ruthlessly curates only the most important ideas to provide a high density of critical information in an intuitive and digestible form. From machine learning basics to advanced models, each concept is presented in lay terms and then detailed precisely in mathematical form and illustrated visually. The result is a lucid, self-contained textbook suitable for anyone with a basic background in applied mathematics.
- Up-to-date treatment of deep learning covers cutting-edge topics not found in existing texts, such as transformers and diffusion models
- Short, focused chapters progress in complexity, easing students into difficult concepts
- Pragmatic approach straddling theory and practice gives readers the level of detail required to implement naive versions of models
- Streamlined presentation separates critical ideas from background context and extraneous detail
- Minimal mathematical prerequisites, extensive illustrations, and practice problems make challenging material widely accessible
- Programming exercises offered in accompanying Python Notebooks
Cuprins
Preface xiii
Acknowledgements xv
1 Introduction 1
2 Supervised learning 17
3 Shallow neural networks 25
4 Deep neural networks 41
5 Loss functions 56
6 Fitting models 77
7 Gradients and initialization 96
8 Measuring performance 118
9 Regularization 138
10 Convolutional networks 161
11 Residual networks 186
12 Transformers 207
13 Graph neural networks 240
14 Unsupervised learning 268
15 Generative Adversarial Networks 275
16 Normalizing flows 303
17 Variational autoencoders 326
18 Diffusion models 348
19 Reinforcement learning 373
20 Why does deep learning work? 401
21 Deep learning and ethics 420
A Notation 436
B Mathematics 439
C Probability 448
Bibliography 462
Index 513