Hluboké učení

Recenze čtenářů

Kniha „Deep Learning“ autorů Iana Goodfellowa, Yoshuy Bengia a Aarona Courvilla je oceňována pro své komplexní pokrytí pokročilých témat hlubokého učení, které poskytuje jedinečný pohled a hluboký vhled do této oblasti. Čelí však kritice za špatnou kvalitu tisku, nejasné zacílení na publikum a hutnou matematickou prezentaci, což ji činí méně přístupnou pro začátečníky.

⬤ Komplexní pokrytí témat hlubokého učení a nejnovějšího výzkumu.
⬤ Vynikající vysvětlení pokročilých konceptů.
⬤ Zahrnutí teoretických základů vedle praktických úvah.
⬤ Napsáno předními odborníky v oboru.
⬤ Přehledná struktura rozdělená na matematické koncepty, techniky a aplikace.

⬤ Hustý matematický zápis může ztěžovat pochopení jednoduchých pojmů.
⬤ Předpokládá silné znalosti lineární algebry a kalkulu, což může odradit začátečníky.
⬤ Někteří čtenáři považují styl psaní za suchý a málo pedagogický.
⬤ Kvalita tisku a vazby některých vydání je špatná.
⬤ Nejasné určení čtenářů; nemusí sloužit praktickým uživatelům, kteří hledají praktické aplikace.

(na základě 673 hodnocení čtenářů)

Původní název:

Deep Learning

Obsah knihy:

Úvod do široké škály témat hlubokého učení, zahrnující matematické a koncepční pozadí, techniky hlubokého učení používané v průmyslu a perspektivy výzkumu.

„Kniha Deep Learning, napsaná třemi odborníky v oboru, je jedinou komplexní knihou na toto téma.“.

Elon Musk, spolupředseda OpenAI; spoluzakladatel a generální ředitel společností Tesla a SpaceX.

Hluboké učení je forma strojového učení, která umožňuje počítačům učit se na základě zkušeností a chápat svět z hlediska hierarchie pojmů. Protože počítač shromažďuje znalosti ze zkušeností, není třeba, aby lidský operátor počítače formálně specifikoval všechny znalosti, které počítač potřebuje. Hierarchie pojmů umožňuje počítači učit se složitější pojmy tím, že je vytváří z jednodušších; graf těchto hierarchií by měl mnoho vrstev. Tato kniha představuje širokou škálu témat hlubokého učení.

Text nabízí matematické a koncepční zázemí, pokrývá příslušné pojmy z lineární algebry, teorie pravděpodobnosti a teorie informace, numerických výpočtů a strojového učení. Popisuje techniky hlubokého učení, které používají praktici v průmyslu, včetně hlubokých dopředných sítí, regularizace, optimalizačních algoritmů, konvolučních sítí, modelování sekvencí a praktické metodologie, a zabývá se aplikacemi, jako je zpracování přirozeného jazyka, rozpoznávání řeči, počítačové vidění, online doporučovací systémy, bioinformatika a videohry. V neposlední řadě kniha nabízí perspektivy výzkumu a zabývá se takovými teoretickými tématy, jako jsou lineární faktorové modely, autoenkodéry, učení reprezentací, strukturované pravděpodobnostní modely, metody Monte Carlo, rozdělovací funkce, přibližná inference a hluboké generativní modely.

Knihu Hluboké učení mohou využít studenti bakalářského nebo magisterského studia, kteří plánují kariéru v průmyslu nebo ve výzkumu, a softwaroví inženýři, kteří chtějí začít používat hluboké učení ve svých produktech nebo platformách. Webová stránka nabízí doplňkové materiály pro čtenáře i vyučující.