Deep learning v jazyku Python / 2. vydán
Katalogové číslo EUG 0592558
Strojové učení zaznamenalo v posledních letech pozoruhodný pokrok a dospělo od téměř nepoužitelného rozpoznávání řeči a obrazu k...
Celý popisTento produkt nemáme momentálně skladem. Pokud chcete dát vědět, až bude produkt zase dostupný, vyplňte níže svůj e-mail.
Hlídat dostupnost
Za nákup tohoto zboží získáte 19 bodů do věrnostního programu.
Máte rádi výhody? Vytvořte si účet, sbírejte body a proměňte je ve slevy a další skvělé odměny.
| Doručení na adresu | Datum doručení | Cena dopravy | |
|---|---|---|---|
|
DPD | v pondělí 29. 6. | 89 Kč |
|
GLS - Na adresu | v pondělí 29. 6. | 102 Kč |
|
Balíkovna na adresu | v pondělí 29. 6. | 95 Kč |
|
PPL | v pondělí 29. 6. | 89 Kč |
Termíny doručení závisí na aktuální situaci a kapacitách přepravních společností.
Deep learning v jazyku Python / 2. vydán
Strojové učení zaznamenalo v posledních letech pozoruhodný pokrok a dospělo od téměř nepoužitelného rozpoznávání řeči a obrazu k téměř nadlidské přesnosti, od programů, které nedokázaly porazit jen trochu zkušenějšího hráče šachu, až k přemožitelům mistrů světa. ***** Za pokrokem ve vývoji učících se programů stojí tzv. hluboké učení (deep learning), což je kombinace teorií a osvědčených technických postupů, které umožnily vyvinout řadu dříve nerealizovatelných aplikací. S jejich pomocí můžeme analyzovat a syntetizovat text i mluvené slovo, překládat z jazyka do jazyka, rozpoznávat osoby nebo ovládat samořídící automobily. ***** Kniha naučí čtenáře, jehož znalosti jazyka Python jsou na střední úrovni, navrhovat v tomto jazyku hluboce se učící systémy s pomocí knihoven Keras a TensorFlow, které používá většina autorů vítězných systémů ze soutěží v hlubokém učení. Výklad je založený na intuitivních vysvětleních a praktických příkladech. Náročné koncepty si procvičíte na aplikacích v oblasti počítačového vidění, zpracování přirozeného jazyka a generativních modelů. Získáte tak znalosti a praktické dovednosti, které vám umožní aplikovat hluboké učení ve vlastních projektech. Autorem knihy je François Chollet, tvůrce knihovny Keras a výzkumník v oblasti umělé inteligence společnosti Google. ***** * Výklad základních principů hlubokého učení i pokročilých dovedností * Tvorba systému hlubokého učení pro počítačové vidění, časové řady, text i generování vlastních výtvorů (například obrázků) * Způsob fungování moderních AI systémů typu ChatGPT * Popis rozdílů při spouštění programů na CPU, GPU a FPU * Práce s webovým prostředím Collaboration, které umožňuje používat GPU a FPU na serveru
Parametry
| Jazyk | česky |
| Žánr | knihy, odborná a technická literatura, počítače a internet |
| Počet stran | 528 |
| Datum uvedení | 2023-11-14, 2023-11-16 |
| Autoři | Chollet Francois |
| Vydání | 2 |
| Nakladatel | GRADA Publishing, a. s. |
| ISBN | 978-80-271-5133-2 |
| Edice | Myslíme v... |
| Katalogové číslo | EUG 0592558 |
| EAN | 9788027151332 |












































































































































































































































.png)
































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































































