Глубокое обучение без математики

Содержание книги "Глубокое обучение без математики "

Предисловие. Добро пожаловать!
Глава 1. Введение в машинное обучение и глубокое обучение
1.1. Зачем здесь эта глава
1.2. Изучение маркированных данных
1.3. Обучение с учителем
1.4. Обучение без учителя
1.5. Генераторы
1.6. Обучение с подкреплением
1.7. Глубокое обучение
1.8. Что последует дальше
Справочные материалы
Заимствованные рисунки
Глава 2. Хаотичность и базовая статистика
2.1. Зачем здесь эта глава
2.2. Случайные переменные
2.3. Некоторые общеупотребительные распределения
2.4. Зависимость
2.5. Выбор и возврат
2.6. Оценка ошибки обобщения. Бутстраппинг
2.7. Многомерные пространства
2.8. Ковариация и корреляция
2.9. Квартет Энскомба
Справочные материалы
Глава 3. Вероятность
3.1. Почему здесь эта глава
3.2. Метание дротика
3.3. Простая вероятность
3.4. Условная вероятность
3.5. Совместная вероятность
3.6. Маргинальная вероятность
3.7. Корректность измерений
3.8. Применение матрицы неточностей
Справочные материалы
Глава 4. Правило Байеса
4.1. Почему здесь эта глава
4.2. Частотная и байесовская вероятности
4.3. Подбрасывание монеты
4.4. Это несмещенная монета?
4.5. Поиски жизни
4.6. Повторные применения правила Байеса
4.7. Множественные гипотезы
Справочные материалы
Глава 5. Кривые и поверхности
5.1. Почему здесь эта глава
5.2. Введение
5.3. Производная
5.4. Градиент
Справочные материалы
Глава 6. Теория информации
6.1. Почему здесь эта глава
6.2. Удивление и контекст
6.3. Бит как единица информации
6.4. Измерение информации
6.5. Размер события
6.6. Адаптивные коды
6.7. Энтропия
6.8. Кроссэнтропия
6.9. Расходимость
Справочные материалы
Глава 7. Классификация
7.1. Почему здесь эта глава
7.2. Двумерная классификация
7.3. 2Dмногоклассовая классификация
7.4. Бинарная многоклассовая классификация
7.5. Кластеризация
7.6. Проклятие размерности
Справочные материалы
Глава 8. Обучение и тестирование
8.1. Почему здесь эта глава
8.2. Обучение
8.3. Тестовые данные
8.4. Поверочные данные
8.5. Кроссвалидация
8.6. Использование результатов тестирования
Справочные материалы
Заимствованные изображения
Глава 9. Избыточное обучение и недостаточное обучение
9.1. Почему здесь эта глава
9.2. Избыточность и недостаточность
9.3. Избыточные данные
9.4. Преждевременный останов
9.5. Регуляризация
9.6. Смещение и дисперсия
9.7. Аппроксимация по правилу Байеса
Справочные материалы
Глава 10. Нейроны
10.1. Почему здесь эта глава
10.2. Реальные нейроны
10.3. Искусственные нейроны
10.4. Заключение
Справочные материалы
Глава 11. Обучение и мышление
11.1. Почему здесь эта глава
11.2. Ступени обучения
11.3. Дедукция и индукция
11.4. Дедукция
11.5. Индукция
11.6. Объединенные умозаключения
11.7. Оперантное обуславливание
Справочные материалы
Глава 12. Подготовка данных
12.1. Почему здесь эта глава
12.2. Преобразование данных
12.3. Типы данных
12.4. Базовая очистка данных
12.5. Нормализация и стандартизация
12.6. Выбор характеристик
12.7. Понижение размерности
12.8. Преобразования
12.9. Фрагментарная обработка
12.10. Преобразование с кроссвалидацией
Справочные материалы
Заимствованные изображения
Глава 13. Классификаторы
13.1. Почему здесь эта глава
13.2. Типы классификаторов
13.3. Метод kближайших соседей (KNN)
13.4. Метод опорных векторов (SVM)
13.5. Деревья решений
13.6. Наивный Байес
13.7. Обсуждение
Справочные материалы
Глава 14. Ансамбли
14.1. Почему здесь эта глава
14.2. Ансамбли
14.3. Голосование
14.4. Бутстрапагрегация
14.5. Случайные леса
14.6. Рандомизированные деревья
14.7. Бустинг
Справочные материалы
Глава 15. Библиотека Scikit-learn
15.1. Почему здесь эта глава
15.2. Введение
15.3. Конвенции Python
15.4. Оценщик
15.5. Кластеризация
15.6. Преобразователи
15.7. Уточнение данных
15.8. Ансамбли
15.9. Автоматизация
15.10. Наборы данных
15.11. Утилиты
15.12. Завершение
Справочные материалы
Глава 16. Нейронные сети прямого распространения
16.1. Почему здесь эта глава
16.2. Графы нейронных сетей
16.3. Синхронные и асинхронные потоки
16.4. Инициализация весов
16.4.1. Инициализация
Справочные материалы
Глава 17. Функции активации
17.1. Почему здесь эта глава
17.2. Что делает функция активации
17.3. Основные функции активации
17.4. Ступенчатые функции
17.5. Кусочнолинейные функции
17.6. Гладкие функции
17.7. Галерея функций активации
17.8. Софтмакс
Справочные материалы
Глава 18. Обратное распространение
18.1. Почему здесь эта глава
18.2. Очень медленный способ обучения
18.3. Пока без функций активации
18.4. Выходы нейронов и ошибка сети
18.5. Маленькая нейронная сеть
18.6. Шаг 1: дельты для выходных нейронов
18.7. Шаг 2: использование дельт для изменения весов
18.8. Шаг 3: дельты других нейронов
18.9. Обратное распространение в действии
18.10. Использование функций активации
18.11. Скорость обучения
18.12. Обсуждение
Справочные материалы
Глава 19. Оптимизаторы
19.1. Почему здесь эта глава
19.2. Геометрия ошибки
19.3. Настройка скорости обучения
19.4. Стратегии обновления
19.5. Варианты градиентного спуска
19.6. Выбор оптимизатора
Справочные материалы
Предметный указатель