Аннотация
Затронуты расширенные темы глубокого обучения: оптимизационные алгоритмы, настройка гиперпараметров, отсев и анализ ошибок, стратегии решения
типичных задач во время тренировки глубоких нейронных сетей. Описаны простые
активационные функции с единственным нейроном (ReLu, сигмоида и Swish),
линейная и логистическая регрессии, библиотека TensorFlow, выбор стоимостной
функции, а также более сложные нейросетевые архитектуры с многочисленными
слоями и нейронами. Показана отладка и оптимизация расширенных методов отсева и регуляризации, настройка проектов машинного обучения, ориентированных
на глубокое обучение с использованием сложных наборов данных. Приведены
результаты анализа ошибок нейронной сети с примерами решения проблем, возникающих из-за дисперсии, смещения, переподгонки или разрозненных наборов данных. По каждому техническому решению даны примеры решения практических
Комментарии к книге "Прикладное глубокое обучение [Подход к пониманию глубоких нейронных сетей на основе метода кейсов]"