Neuronové sítě a hluboké učení: Učebnice

Recenze čtenářů

Kniha je uceleným akademickým zdrojem informací o základech hlubokého učení s důrazem na teorii a algoritmy, s jasným vysvětlením a rozsáhlým pokrytím nejnovějšího vývoje v této oblasti. Chybí v ní však praktické příklady programování a diskuse o embeddings.

Přehledně uspořádaná s jasnými vysvětleními, pokrývá základní koncepty hlubokého učení a příslušnou matematiku, poskytuje rozsáhlé aktualizace včetně velkých jazykových modelů a moderních architektur, obsahuje mnoho cvičení k upevnění konceptů.

Neobsahuje praktické příklady programování ani řešení cvičení, chybí diskuse o embeddingách a vyžaduje silné zázemí v kalkulech a lineární algebře.

(na základě 7 hodnocení čtenářů)

Původní název:

Neural Networks and Deep Learning: A Textbook

Obsah knihy:

Tato učebnice se zabývá klasickými i moderními modely hlubokého učení a obsahuje příklady a cvičení v jednotlivých kapitolách. Podrobně jsou představeny metody hlubokého učení pro různé datové domény, jako je text, obrázky a grafy. Kapitoly této knihy pokrývají tři kategorie:

Základy neuronových sítí: Algoritmus zpětného šíření je popsán v kapitole 2.

Mnoho tradičních modelů strojového učení lze chápat jako speciální případy neuronových sítí. Kapitola 3 zkoumá souvislosti mezi tradičním strojovým učením a neuronovými sítěmi. Jako speciální případy neuronových sítí jsou ukázány stroje s podpůrnými vektory, lineární/logistická regrese, rozklad singulárních hodnot, faktorizace matic a doporučovací systémy.

Základy neuronových sítí: Podrobná diskuse o trénování a regularizaci je uvedena v kapitolách 4 a 5. Kapitoly 6 a 7 představují sítě s radiální bází (RBF) a omezené Boltzmannovy stroje.

Pokročilá témata neuronových sítí: Kapitoly 8, 9 a 10 pojednávají o rekurentních neuronových sítích, konvolučních neuronových sítích a grafových neuronových sítích. V kapitolách 11 a 12 je představeno několik pokročilých témat, jako je hluboké posilovací učení, mechanismy pozornosti, transformační sítě, Kohonenovy samoorganizující se mapy a generativní adverzní sítě.

Učebnice je napsána pro studenty postgraduálního studia a studenty vyšších ročníků. Zakoupit si ji budou chtít i výzkumníci a praktici, kteří pracují v této příbuzné oblasti.

Tam, kde je to možné, je zdůrazněn aplikačně orientovaný pohled, aby bylo možné pochopit praktické využití jednotlivých tříd technik.

Druhé vydání je podstatně reorganizováno a rozšířeno o samostatné kapitoly o zpětném šíření a grafových neuronových sítích. Mnoho kapitol bylo oproti prvnímu vydání výrazně přepracováno.

Větší důraz je kladen na moderní myšlenky hlubokého učení, jako jsou mechanismy pozornosti, transformátory a předtrénované jazykové modely.