Passa alle informazioni sul prodotto
1 su 1

Deep Learning

Deep Learning

MIT Press

Goodfellow, Ian, Bengio, Yoshua e Courville, Aaron

Prezzo di listino CHF 126.00
Prezzo di listino Prezzo scontato CHF 126.00
In offerta Esaurito
Imposte incluse.

Disponibile

Quantità
Pages
800 pp.
Language
English
Author
Ian Goodfellow
Publisher
MIT Press
Date
2016-11-18
Binding
Hardcover
ISBN
9780262035613
Dimensions
7.2 in x 1.1 in x 9.1 in
Un’introduzione a un’ampia gamma di argomenti nell’apprendimento profondo, che copre le basi matematiche e concettuali, le tecniche di apprendimento profondo utilizzate nell’industria e le prospettive di ricerca.

“Scritto da tre esperti del settore, Apprendimento Profondo è l’unico libro completo sull’argomento.”
--Elon Musk, copresidente di OpenAI; cofondatore e amministratore delegato di Tesla e SpaceX

L’apprendimento profondo è una forma di apprendimento automatico che permette ai computer di apprendere dall’esperienza e comprendere il mondo in termini di una gerarchia di concetti. Poiché il computer acquisisce conoscenza dall’esperienza, non è necessario che un operatore umano specifichi formalmente tutta la conoscenza di cui il computer ha bisogno. La gerarchia di concetti consente al computer di apprendere concetti complessi costruendoli a partire da quelli più semplici; un grafo di queste gerarchie sarebbe composto da molti strati. Questo libro introduce un’ampia gamma di argomenti nell’apprendimento profondo.

Il testo offre basi matematiche e concettuali, trattando concetti rilevanti di algebra lineare, teoria della probabilità e teoria dell’informazione, calcolo numerico e apprendimento automatico. Descrive le tecniche di apprendimento profondo utilizzate dai professionisti nell’industria, inclusi reti profonde a propagazione diretta, regolarizzazione, algoritmi di ottimizzazione, reti convoluzionali, modellazione di sequenze e metodologia pratica; e presenta applicazioni quali l’elaborazione del linguaggio naturale, il riconoscimento vocale, la visione artificiale, i sistemi di raccomandazione online, la bioinformatica e i videogiochi. Infine, il libro offre prospettive di ricerca, trattando argomenti teorici come modelli lineari a fattori, autoencoder, apprendimento di rappresentazioni, modelli probabilistici strutturati, metodi Monte Carlo, la funzione di partizione, inferenza approssimata e modelli generativi profondi.

Apprendimento Profondo può essere utilizzato da studenti universitari o laureati che pianificano carriere sia nell’industria sia nella ricerca, e da ingegneri del software che desiderano iniziare a usare l’apprendimento profondo nei loro prodotti o piattaforme. Un sito web offre materiale supplementare sia per i lettori sia per gli insegnanti.

Visualizza dettagli completi