Hluboké učení: Základy a koncepty

Recenze čtenářů

Tato kniha je vysoce ceněna jako jeden z nejlepších zdrojů pro pochopení hlubokého učení a strojového učení, protože poskytuje jasné a přístupné vysvětlení spolu s důkladnými matematickými základy. Přestože je dobře strukturovaná a komplexní, byla kritizována za nepřesnosti v matematických detailech a nedostatečné vysvětlení v některých částech věnovaných hlubokému učení.

⬤ Nejlepší kniha o hlubokém učení podle více recenzentů.
⬤ Přístupná a intuitivní vysvětlení při zachování matematické přísnosti.
⬤ Pokrývá širokou škálu témat, včetně nedávných pokroků, jako jsou transformátory a difuzní modely.
⬤ Kvalitní tisk a vazba v novějších vydáních.
⬤ Vhodné pro začátečníky i zkušené odborníky.
⬤ Dobře organizované a pedagogicky účinné.

⬤ Specifické kapitoly o konvolučních sítích a transformátorech jsou nedostatečně vysvětleny a chybí jim hloubka.
⬤ Čtenáři zaznamenali některé matematické chyby, což vede k obavám o správnost složitějších témat.
⬤ Zpočátku byly zaznamenány problémy s kvalitou tisku, které se však v novějších vydáních zlepšily.

(na základě 46 hodnocení čtenářů)

Původní název:

Deep Learning: Foundations and Concepts

Obsah knihy:

Tato kniha nabízí ucelený úvod do hlavních myšlenek, které jsou základem hlubokého učení. Je určena jak nováčkům v oblasti strojového učení, tak i těm, kteří již mají s tímto oborem zkušenosti. Tato zásadní kniha pokrývá klíčové koncepty týkající se současných architektur a technik a vybavuje čtenáře solidním základem pro případnou budoucí specializaci. Oblast hlubokého učení prochází rychlým vývojem, a proto se tato kniha zaměřuje na myšlenky, které pravděpodobně vydrží zkoušku časem.

Kniha je uspořádána do mnoha nakousnutých kapitol, z nichž každá zkoumá samostatné téma, a vyprávění sleduje lineární postup, přičemž každá kapitola navazuje na obsah předchozích. Tato struktura je vhodná pro výuku dvousemestrálního bakalářského nebo postgraduálního kurzu strojového učení a zároveň zůstává stejně relevantní pro ty, kteří se věnují aktivnímu výzkumu nebo samostudiu.

Plné pochopení strojového učení vyžaduje určité matematické základy, a proto kniha obsahuje samostatný úvod do teorie pravděpodobnosti. Kniha se však zaměřuje na zprostředkování jasného pochopení myšlenek s důrazem na praktickou hodnotu technik v reálném světě spíše než na abstraktní teorii. Složité koncepty jsou proto prezentovány z několika vzájemně se doplňujících pohledů, včetně textových popisů, diagramů, matematických vzorců a pseudokódu.

Chris Bishop je technickým pracovníkem společnosti Microsoft a ředitelem oddělení Microsoft Research AI4Science. Je členem Darwin College v Cambridge, členem Královské akademie inženýrství a členem Královské společnosti.

Hugh Bishop je aplikovaný vědecký pracovník ve společnosti Wayve, která se zabývá autonomním řízením s hlubokým učením v Londýně, kde navrhuje a trénuje hluboké neuronové sítě. Absolvoval magisterské studium v oboru strojového učení a strojové inteligence na Cambridgeské univerzitě.

"Chris Bishop napsal v roce 1995 vynikající učebnici o neuronových sítích a má hluboké znalosti tohoto oboru a jeho základních myšlenek. Díky svým dlouholetým zkušenostem s vysvětlováním neuronových sítí je nesmírně zručný v podávání složitých myšlenek co nejjednodušším způsobem a je potěšující vidět, jak tyto schopnosti uplatňuje při převratných novinkách v oboru." -- Geoffrey Hinton

"S nedávným rozmachem hlubokého učení a umělé inteligence jako výzkumného tématu a rychle rostoucím významem aplikací umělé inteligence byla moderní učebnice na toto téma velmi potřebná. "Nový Bishop" tuto mezeru mistrovsky zaplňuje, neboť se zabývá algoritmy pro učení pod dohledem i bez dohledu, moderními rodinami architektur hlubokého učení a také tím, jak to vše aplikovat v různých oblastech použití." " - Yann LeCun

"Tato vynikající a velmi poučná kniha přiblíží čtenáři hlavní koncepty a pokroky v hlubokém učení s pevným ukotvením v pravděpodobnosti. Tyto koncepty pohánějí současné průmyslové systémy umělé inteligence a pravděpodobně budou tvořit základ dalšího pokroku směrem k umělé obecné inteligenci." -- Yoshua Bengio