Technologie wykorzystujące różne formy uczenia maszynowego zaczynają pojawiać się w różnych branżach. Możliwości w tym zakresie stale rosną, podobnie jak zainteresowanie i oczekiwania. Przed podjęciem decyzji o wdrożeniu w firmie tego rodzaju rozwiązań trzeba jednak zadać sobie pytanie, co można i co chciałoby się osiągnąć za pomocą sieci neuronowej. Generalnie uczenie maszynowe opiera się na algorytmach wyodrębniania informacji z surowych danych i reprezentowania ich jako modelu. Model ten następnie służy do przetwarzania kolejnych surowych danych. Co to jednak oznacza w praktyce i jak się implementuje takie algorytmy?
Niniejsza książka jest przydatnym przewodnikiem po uczeniu maszynowym i sieciach neuronowych. Zawiera praktyczne informacje, które doceni każdy programista stawiający pierwsze kroki w tej dziedzinie. Przedstawiono tu podstawy deep learningu i wyjaśniono takie pojęcia, jak strojenie sieci, wielowątkowość, wektoryzowanie danych. Opisano, w jaki sposób można wykorzystać otwartą bibliotekę Deeplearning4j (DL4J) do kodowania profesjonalnych procesów uczenia głębokiego. Zaprezentowano metody i strategie trenowania sieci głębokich i uruchamiania procesów uczenia głębokiego w środowiskach Spark i Hadoop. Zagadnienia te zostały zilustrowane gotowymi do zastosowania, praktycznymi przykładami.
W tej książce między innymi:
ogólne koncepcje uczenia maszynowego, uczenia głębokiego i sieci neuronowych
ewolucja sieci neuronowych do sieci głębokich i ich rodzaje
dobieranie rodzaju sieci do analizowanego zagadnienia
strojenie sieci neuronowych i sieci głębokich
korzystanie z narzędzia DataVec do wektoryzowania danych różnych typów
stosowanie biblioteki DL4J w środowiskach Spark i Hadoop
Uczenie głębokie i sieci neuronowe: przyszłość, która dzieje się dziś!
Josh Patterson jest uznanym autorytetem w dziedzinie przetwarzania wielkich ilości danych, uczenia maszynowego i uczenia głębokiego. Aktywnie działa na rzecz tworzenia otwartego oprogramowania, uczestniczy w takich projektach jak DL4J, Apache Mahout, Metronome, IterativeReduce, openPDC i JMotif.
Adam Gibson specjalizuje się w uczeniu głębokim. Ma duże doświadczenie w budowaniu systemów do przetwarzania dużych ilości danych w czasie rzeczywistym. Z jego rozwiązań korzystają m.in. firmy z listy Fortune 500, towarzystwa ubezpieczeniowe, firmy public relations i startupy.
Informacja dotycząca wprowadzenia produktu do obrotu:
Ten produkt został wprowadzony na rynek przed 13 grudnia 2024 r. zgodnie z obowiązującymi wówczas przepisami (Dyrektywą o ogólnym bezpieczeństwie produktów). W związku z tym może on być nadal sprzedawany bez konieczności dostosowania do nowych wymogów wynikających z Rozporządzenia o Ogólnym Bezpieczeństwie Produktów (GPSR). Produkt zachowuje pełną legalność w obrocie, a jego jakość i bezpieczeństwo pozostają zgodne z obowiązującymi wcześniej standardami.
Information regarding product placement on the market:
This product was placed on the market before December 13, 2024, in accordance with the applicable regulations at the time (the General Product Safety Directive). As a result, it can continue to be sold without needing to meet the new requirements introduced by the General Product Safety Regulation (GPSR). The product remains fully compliant with all previously valid legal standards, ensuring its continued quality and safety.
Szybka wysyłka
