Глубокое обучение с точки зрения практика

Содержание книги "Глубокое обучение с точки зрения практика "

Предисловие
Глава 1. Обзор машинного обучения
Обучающиеся машины
Формулировка вопросов
Математические основания машинного обучения: линейная алгебра
Математические основания машинного обучения: статистика
Как работает машинное обучение?
Логистическая регрессия
Оценивание модели
Итоги
Глава 2. Основы нейронных сетей и глубокого обучения
Нейронные сети
Обучение нейронных сетей
Функции активации
Функции потерь
Гиперпараметры
Глава 3. Основания глубоких сетей
Определение глубокого обучения
Общие архитектурные принципы глубоких сетей
Строительные блоки глубоких сетей
Глава 4. Основные архитектуры глубоких сетей
Сети, предобученные без учителя
Сверточные нейронные сети (СНС)
Рекуррентные нейронные сети
Рекурсивные нейронные сети
Итоги и обсуждение
Глава 5. Построение глубоких сетей
Выбор глубокой сети для решения задачи
Инструментарий DL4J
Основные концепции DL4J API
Моделирование CSV-данных с помощью многослойных перцептронов
Моделирование рукописных цифр с помощью СНС
Моделирование последовательных данных с помощью рекуррентной нейронной сети
Применение автокодировщиков для обнаружения аномалий
Использование вариационных автокодировщиков для реконструкции цифр из набора MNIST
Применение глубокого обучения в обработке естественного языка
Глава 6. Настройка глубоких сетей
Основные концепции настройки глубоких сетей
Подбор сетевой архитектуры, соответствующей входным данным
Соотнесение назначения модели с выходным слоем
Количество слоев, количество параметров и объем памяти
Стратегии инициализации весов
Ортогональная инициализация весов в РНС
Применение функций потерь
Скорость обучения
Как разреженность влияет на обучение
Применение методов оптимизации
Применение распараллеливания и GPU для ускорения обучения
Управление периодами и размером мини-пакета
О применении регуляризации
Дисбаланс классов
Борьба с переобучением
Использование статистики сети из интерфейса настройки
Глава 7. Настройка глубоких сетей с конкретной архитектурой
Сверточные нейронные сети (СНС)
Рекуррентные нейронные сети
Ограниченные машины Больцмана
Глубокие сети доверия
Глава 8. Векторизация
Введение в векторизацию в машинном обучении
Применение библиотеки DataVec для ETL и векторизации
Векторизация изображений
Векторизация последовательных данных
Векторизация текста
Работа с графами
Глава 9. Глубокое обучение и DL4J на платформе Spark
Введение в использование DL4J совместно с Spark и Hadoop
Конфигурирование и настройка Spark
Подготовка проекта Maven для Spark и DL4J
Отладка Spark и Hadoop
Параллельное выполнение DL4J на платформе Spark
Рекомендации по использованию DL4J API для Spark
Пример многослойного перцептрона на платформе Spark
Порождение текстов в стиле Шекспира с помощью Spark и LSTM-сети
Моделирование набора MNIST с помощью сверточной нейронной сети в кластере Spark
Приложение А. Что такое искусственный интеллект?
Положение на данный момент
Зима не за горами
Приложение В. RL4J и обучение с подкреплением
Введение
Различные варианты
Q-обучение
График, визуализация и среднее значение Q
RL4J
Заключение
Приложение С. Числа, которые должен знать каждый
Приложение D. Нейронные сети и обратное распространение: математическое описание
Введение
Обратное распространение в многослойном перцептроне
Приложение Е. ND4J API
Дизайн и основы использования
Создание входных векторов
Класс MLLibUtil
Получение предсказаний от модели в DL4J
Приложение F. Библиотека DataVec
Загрузка данных для машинного обучения
Загрузка CSV-данных для многослойного перцептрона
Загрузка изображений для сверточной нейронной сети
Загрузка последовательных данных для рекуррентных нейронных сетей
Подготовка данных средствами DataVec
Приложение G. Работа с DL4J на уровне исходного кода
Проверка, установлен ли Git
Клонирование основных проектов, связанных с DL4J
Скачивание исходного кода в виде zip-файла
Сборка библиотеки из исходного кода с помощью Maven
Приложение Н. Подготовка проектов на базе DL4J
Создание нового проекта на базе DL4J
Настройка других POM-файлов Maven
Приложение I. Подготовка проектов на базе DL4J к работе с GPU
Переключение библиотек в режим работы с GPU
CUDA на разных платформах
Мониторинг производительности GPU
Приложение J. Отладка проблем с установкой DL4J
Предыдущая установка
Ошибки нехватки памяти при сборке из исходного кода
Старые версии Maven
Maven и переменная среды PATH
Недопустимые версии JDK
C++ и другие средства разработки
Windows и путь к включаемым файлам
Мониторинг GPU
Использование JVisualVM
Работа с Clojure
Поддержка чисел с плавающей точкой в OS X
Ошибка разветвления-соединения в Java 7
Предостережения
Различные платформы
Предметный указатель
Об авторах
Об иллюстрации на обложке