Deep learning i modelowanie generatywne

Dostępność: 5 szt.
46.07
szt.
Zamówienie telefoniczne: 791572838 Zostaw telefon
Wysyłka w ciągu: 3 dni
Cena przesyłki:
7.99
  • Odbiór osobisty 0
  • DPD Pickup punkt odbioru / automat paczkowy 7.99
  • Paczkomaty InPost 12.99
  • Kurier DPD 14.99
  • Kurier INPOST 14.99
  • Kurier DPD Pobranie 19.99
Więcej o produkcie
Autor:
David Foster
Wydawnictwo:
Helion
Stron:
264
Rok wydania:
2021
Oprawa:
broszurowa
Waga
0.15 kg
EAN:
9788328372832
Techniki uczenia głębokiego rozwijają się w imponującym tempie, a sieci neuronowe znajdują zastosowanie w przeróżnych branżach. Coraz częściej komputer wykonuje zadania, które do niedawna były zarezerwowane dla człowieka. Dobrym przykładem jest tworzenie dzieł sztuki: ostatnie postępy w dziedzinie modelowania generatywnego sprawiają, że maszyny tworzą oryginalne obrazy w określonym stylu, piszą spójne akapity tekstu, komponują przyjemną w odbiorze muzykę i generują prawdopodobne scenariusze zdarzeń. Ta "generatywna rewolucja" już się zaczęła, a jej efekty przekraczają najśmielsze wyobrażenia.
Ta książka jest praktycznym przewodnikiem przeznaczonym dla inżynierów uczenia maszynowego i analityków danych. W jasny i przystępny sposób omówiono w niej zasadnicze zagadnienia teorii modelowania generatywnego, a następnie zaprezentowano techniki stosowane do budowy modeli generatywnych, włącznie z ogólnym opisem uczenia głębokiego, wariacyjnych autoenkoderów i generatywnych sieci antagonistycznych (GAN). Na tej podstawie - z wykorzystaniem biblioteki Keras - pokazano wewnętrzne funkcjonowanie każdej z tych technik, łącznie z najbardziej nowatorskimi architekturami. Opisano krok po kroku sposoby rozwiązywania takich twórczych zadań jak malowanie, pisanie i komponowanie muzyki, a także zastosowania modelowania generatywnego do optymalizacji strategii grania w gry (modele World).
W książce między innymi:
- działanie autoenkoderów wariacyjnych
- tworzenie sieci GAN, w tym CycleGAN i MuseGAN
- rekurencyjne modele generatywne do tworzenia tekstu oraz mechanizmy uwagi
- modele generatywne w środowiskach uczenia przez wzmacnianie
- architektura Transformer (BERT, GPT-2) oraz modele generowania obrazu
Parametry:
Autor:
David Foster
Wydawnictwo:
Helion
Stron:
264
Rok wydania:
2021
Oprawa:
broszurowa
Nie ma jeszcze komentarzy ani ocen dla tego produktu.
Jakość
Funkcjonalność
Cena
Podpis
Opinia
Zadaj pytanie
Podpis:
E-mail:
Zadaj pytanie: