Глубокое обучение с точки зрения практика

Интерес к машинному обучению зашкаливает, но завышенные ожидания нередко губят проекты еще на ранней стадии. Как машинное обучение — и особенно глубокие нейронные сети — может изменить вашу организацию? Эта книга не только содержит практически полезную информацию о предмете, но и поможет приступить к созданию эффективных сетей глубокого обучения.
Авторы сначала раскрывают фундаментальные вопросы глубокого обучения — настройка, распараллеливание, векторизация, конвейеры операций — актуальные для любой библиотеки, а затем переходят к библиотеке Deepleaming4j (DL4J), предназначенной для разработки технологических процессов профессионального уровня. На реальных примерах читатель познакомится с методами и стратегиями обучения глубоких сетей с различной архитектурой и их распараллеливания в кластерах Hadoop и Spark.
Рассматриваются следующие темы:

• концепции машинного обучения вообще и глубокого обучения в частности;
• эволюция глубоких сетей из нейронных;
• основные архитектуры глубоких сетей, в т. ч. сверточные и рекуррентные нейронные сети;
• как выбрать сеть, отвечающую поставленной задаче;
• основы настройки нейронных сетей вообще и конкретных глубоких архитектур;
• применение методов векторизации к данным различных типов с помощью библиотеки DataVec;
• использование DL4J на платформах Hadoop и Spark.

Об авторах:
Джош Паттерсон (Josh Patterson) руководит отделом поддержки проектов в компании Skymind. Раньше работал главным архитектором решений в компании Cloudera и инженером по машинному обучению и распределенным системам в Управлении ресурсами бассейна реки Теннесси.
Адам Гибсон (Adam Gibson) — технический директор Skymind. Работал с компаниями из списка Fortune 500, хэджевыми фондами, компаниями в области связей с общественностью и акселераторами стартапов, помогая в разработке проектов машинного обучения. Имеет большой опыт консультирования компаний в области обработки и интерпретации больших данных.