By visiting our site, you agree to our privacy policy regarding cookies, tracking statistics, etc.

Głębokie uczenie

W tym module omówiono uczenie głębokie, podzbiór uczenia maszynowego, który wykorzystuje sieci neuronowe z wieloma warstwami do modelowania złożonych wzorców w danych. Obejmuje podstawowe pojęcia, takie jak konwolucyjne i rekurencyjne sieci neuronowe, propagacja wsteczna i techniki trenowania, a także zastosowania w rozpoznawaniu obrazu i mowy, przetwarzaniu języka naturalnego i pojazdach autonomicznych.

Portal > Sztuczna inteligencja > Głębokie uczenie

Curriculum Builder

Proszę zobaczyć program nauczania

Suttona, Richarda S. i Andrew G. Barto. Uczenie się przez wzmacnianie: wprowadzenie. Wydanie drugie. Seria poświęcona obliczeniom adaptacyjnym i uczeniu maszynowemu. Cambridge, Massachusetts: The MIT Press, 2018.

Theodoridis, Sergios i Konstantinos Koutroumbas. Rozpoznawanie wzorców. 4th ed. Burlington Heidelberg: Academic Press, 2009.

Zhang, Aston, Zachary C. Lipton, Mu Li i Alexander J. Smola. „Zanurz się w głębokim uczeniu.” arXiv, 22 sierpnia 2023 r.

http://arxiv.org/abs/2106.11342

Nielsen, Michael A. Sieci neuronowe i głębokie uczenie, 2019.

http://neuralnetworksanddeeplearning.com

Tunstalla, Lewisa, Leandro von Werra i Thomasa Wolfa. Przetwarzanie języka naturalnego za pomocą transformatorów: tworzenie aplikacji językowych za pomocą przytulania twarzy. Wydanie pierwsze. Sewastopol, Kalifornia: O’Reilly Media, 2022.

Rao, Delip i Brian McMahan. Przetwarzanie języka naturalnego za pomocą platformy PyTorch: tworzenie inteligentnych aplikacji językowych przy użyciu uczenia głębokiego. Wydanie pierwsze. Sewastopol, Kalifornia: O’Reilly Media, 2019.

Goodfellow, Ian, Yoshua Bengio i Aaron Courville. Deep Learning. Adaptive Computation and Machine Learning Series. The MIT Press, 2016.

Goldberg, Yoav. „Elementarz modeli sieci neuronowych do przetwarzania języka naturalnego.” arXiv, 2015.

https://doi.org/10.48550/ARXIV.1510.00726

Eisenstein, Jakub. Wprowadzenie do przetwarzania języka naturalnego. Obliczenia adaptacyjne i uczenie maszynowe. Wydawnictwo MIT, 2019.

Jurafsky’ego, Daniela i Jamesa H. Martinów. Przetwarzanie mowy i języka: wprowadzenie do przetwarzania języka naturalnego, lingwistyki komputerowej i rozpoznawania mowy. Seria Prentice Hall w dziedzinie sztucznej inteligencji. Upper Saddle River, N.J: Prentice Hall, 2000.

Thank you for signing up to our newsletter!

Thank you! RSVP received for Suttona, Richarda S. i Andrew G. Barto. Uczenie się przez wzmacnianie: wprowadzenie. Wydanie drugie. Seria poświęcona obliczeniom adaptacyjnym i uczeniu maszynowemu. Cambridge, Massachusetts: The MIT Press, 2018.

Thank you for applying! We will be in touch.

Apply for: Suttona, Richarda S. i Andrew G. Barto. Uczenie się przez wzmacnianie: wprowadzenie. Wydanie drugie. Seria poświęcona obliczeniom adaptacyjnym i uczeniu maszynowemu. Cambridge, Massachusetts: The MIT Press, 2018.

Suttona, Richarda S. i Andrew G. Barto. Uczenie się przez wzmacnianie: wprowadzenie. Wydanie drugie. Seria poświęcona obliczeniom adaptacyjnym i uczeniu maszynowemu. Cambridge, Massachusetts: The MIT Press, 2018.

Loading...

Loading…