JаvaScript для глубокого обучения
Год издания: 2021
Автор: Шолле Ф., Нильсон Э., Байлесчи С., Цэй Ш.
Издательство: Питер
ISBN: 978-5-4461-1697-3
Серия: Библиотека программиста
Язык: Русский
Формат: PDF
Качество: Издательский макет или текст (eBook)
Интерактивное оглавление: Да
Количество страниц: 576
Описание: Когда мы только начинали разработку библиотеки TensorFlow.js (TF.js), ранее на зывавшейся deeplearn.js, машинное обучение (Machine Learning, ML) выполнялось в основном на Python. А поскольку мы писали программы на jаvascript и активно использовали машинное обучение в команде Google Brain, то быстро заметили возможность связать обе сферы. Сегодня благодаря TF.js новому поколению разработчиков из обширного сообщества jаvascript доступно создание и развертывание моделей машинного обучения, а также новые классы локальных вычислений.
В книге «jаvascript для глубокого обучения» удачно сочетаются элементы теории глубокого обучения и реальные примеры на jаvascript с использованием TF.js. Это прекрасный источник информации как для jаvascript-разработчиков, у которых еще нет опыта машинного обучения или теоретического математического образования, так и для опытных пользователей ML, желающих расширить свою деятельность на экосистему jаvascript.
В издании вы найдете даже практические советы по внедрению моделей ML в реальные приложения от специалистов, обладающих обширным опытом использования машинного обучения на практике. Примеры в этой книге снабжены иллюстрациями уникальных преимуществ экосистемы jаvascript. Исходный код всех примеров открыт, так что вы можете экспериментировать с ним и создавать его ветки. Читатели, которые хотели бы изучить ML и использовать jаvascript в качестве основного языка программирования, могут рассматривать эту книгу как заслуживающий доверия источник информации. Надеемся, вы сочтете изложенные в этой книге передовые идеи машинного обучения и jаvascript полезными, а свое путешествие по ML на jаvascript — плодотворным и увлекательным.
Оглавление
Предисловие 13
Введение 15
Часть I. Актуальность и основные понятия
Глава 1. Глубокое обучение и JavaScript 26
Часть II. Введение в TensorFlow.js
Глава 2. Приступим: простая линейная регрессия в TensorFlow.js 62
Глава 3. Вводим нелинейность: теперь не только взвешенные суммы 107
Глава 4. Распознавание изображений и звуковых сигналов с помощью сверточных сетей 149
Глава 5. Перенос обучения: переиспользование предобученных нейронных сетей 187
Часть III. Продвинутые возможности глубокого обучения с TensorFlow.js
Глава 6. Работа с данными 238
Глава 7. Визуализация данных и моделей 287
Глава 8. Недообучение, переобучение и универсальный технологический процесс машинного обучения 318
Глава 9. Глубокое обучение для последовательностей и текста 339
Глава 10. Генеративное глубокое обучение 384
Глава 11. Основы глубокого обучения с подкреплением 427
Часть IV. Резюме и заключительное слово
Глава 12. Тестирование, оптимизация и развертывание моделей 476
Глава 13. Резюме, заключительные слова и дальнейшие источники информации 517
Приложения
Приложение A. Установка библиотеки tfjs-node-gpu и ее зависимостей 544
Приложение Б. Краткое руководство по тензорам и операциям над ними в TensorFlow.js 549
