Глубокое обучение для начинающих 2: Реализация рекуррентных нейронных сетей, VAE и GAN (Машинное обучение) в Python… Ещё

Это вторая часть серии об основах глубокого обучения, которую преподает популярный инструктор на платформе онлайн-образования Udemy.. Предыдущая книга, «Глубокое обучение для начинающих», объясняла самые основы основ: нейронные сети и обратное распространение, простым для понимания образом даже для начинающих. Эта книга объясняет рекуррентные нейронные сети (Рекуррентные нейронные сети), которые очень ценны в области обработки естественного языка, а также генеративные модели глубокого обучения VAE (Вариационный автокодировщик) и ГАН (Генеративно-состязательные сети), включая методы реализации. В продолжение предыдущей книги, реализация программы выполнена полностью на Python, без использования существующих фреймворков.

[Характеристики книги] - Для тех, кто не читал предыдущую книгу, есть главы, объясняющие основы Python, математики и нейронных сетей. - Примеры программ написаны полностью на Python, без использования каких-либо фреймворков. Это делает принципы кодирования математических формул легкими для понимания, даже для начинающих. - Примеры программ можно скачать с веб-сайта SB Creative Corporation. Совместимо с Python 3, Jupyter Notebook и Google Colaboratory

Глава 1: Развитие глубокого обучения Обзор глубокого обучения Применения глубокого обучения Технологии, рассмотренные в этой книге Как пользоваться этой книгой

Глава 2: Подготовка к обучению Настройка среды Anaconda Как использовать Google Colaboratory Как использовать Jupyter Notebook Основы Python NumPy и matplotlib Базовая математика

Глава 3: Основы глубокого обучения Обзор нейронных сетей и глубокого обучения Прямое распространение через полносвязные слои Обратное распространение ошибки через полносвязные слои Реализация полносвязного слоя Простая реализация глубокого обучения

Глава 4: Рекуррентная нейронная сеть Обзор рекуррентных нейронных сетей Прямое распространение через слои RNN Обратное распространение ошибки через слои рекуррентной нейронной сети (RNN) Реализация слоя RNN Простая реализация RNN Проблемы, с которыми сталкиваются рекуррентные нейронные сети

Глава 5: LSTM Обзор LSTM Прямое распространение через слои LSTM Обратное распространение ошибки через слои LSTM Реализация слоя LSTM Простая реализация LSTM Автоматическая генерация текста

Глава 6: ГРУ Обзор ГРУ Прямое распространение слоя GRU Обратное распространение слоя GRU Реализация слоя GRU Простая реализация GRU Кодировщик-Декодер

Глава 7: ВАЕ Обзор VAE Как работает VAE Реализация автокодировщиков Слои, необходимые для VAE Реализация VAE Производные VAE Глава 8: ГАНЬ Обзор GAN Как работает GAN Слои, необходимые для GAN Реализация GAN Производные ГАН