Глубокое обучение (цветная) (Бенджио Иошуа, Гудфеллоу Ян, Курвилль Аарон); ДМК-Пресс, 2018

Сегодня получил это издание. В отличие от первой версии радует исправление многих смысловых ошибок и повышение качества перевода. Максимально приближена к оригиналу Гудфеллоу
То, что книга в цвете -несомненный плюс. Спасибо издательству за оперативные исправление и внимание к такому важному для deep-learning специалистов труду

0    0

Мне книга понравилась.Она своего рода пособие по машинному обучению .Так же она поможет разобраться читателю в том, как создаются нейронные сети, введет в такое важное направление математики как линейная алгебра.

0    0

Книга очень важная для понимания глубокого обучения нейронных сетей.
Написана доступным языком и все очень понятно расписано. Один из лучших вариантов в данной тебе. Рекомендую всем кто постигает машинное обучение и нейронные сети. Хотелось бы видеть в книге бы еще примеры например на Pytone.

0    0

Великолепное пособие по глубокому обучению. Рекомендую всем тем кто начал постигать столь увлекательную тему. С учетом, что русскоязычных книг по данной теме не так уж и много, эту книгу с легкостью можно ставить номер один среди имеющихся.

0    0

Сегодня получил эту великолепную книгу - море положительных эмоций:
1. Ничего лучше по тематике в области глубокого обучения нет, причем Вас как ребенка проведут от самых азов (линейная алгебра, анализ, теория вероятностей и другой мат. аппарат) до перспективных разработок и будущего ИИ на основе нейронных сетей
2. Материал по подаче больше напоминает учебник для ВУЗов, местами очень академические выкладки
3. Практических примеров Вы не увидите т.к. книга не ставит своей целью что-то разработать с нуля и т.д. - больше теоретического материала и углубленная информация по глубокому обучению
4. В переводе не заметил очень серьезных огрехов
5. Книга - твердая обложка, плотные страницы, цветные иллюстрации
6. Еще раз повторюсь, главное достоинство это лучший фундаментальный труд по глубокому обучению, ничего лучше нет особенно в русскоязычной среде.

0    0

Нового ничего в книге не увидела. Америку не откроет книга, если вы учились на технической специальности. Все ранее было описано и прочитано в других учебниках. Причем доступных и бесплатных. Единственный плюс книги – собрано то, что сейчас актуально и может быть убрано устаревшее.
Если для тех, кто ранее не сталкивался с IT, то минус огромный, что по тем же матрицам, например, не приведены примеры практические с цифрами. Если человек не в теме, то голая теория не поможет.
Не знаю, не однозначное впечатление от книги. Вроде все хорошо, но супер пользы и целевой аудитории не вижу.

0    0

Весьма внушительная книга.
Рассматриваются вопросы связанные с глубоким обучением (DL).
Даже беглого взгляда на содержание достаточно, чтобы получить представление о широте рассматриваемых тем. Книга содержит теоретический материал (в основном). Много математики.
Книга разделена на 3 части.
В первой части даётся матчасть.
Вторая и третья посвящены непосредственно глубокому обучению и исследованию в этой области.
В общем книга будет полезна для укрепления и расширения фундаментальных знаний в области Глубокого обучения, основываясь на твёрдом математическом фундаменте.
По оформлению.
Твёрдая обложка, белый офсет. Цветная печать. Схемы и формулы чёткие, рисунки цветные, но качество не очень (в любом случае при ч/б печати было бы весьма сложно что-то разобрать, а здесь хотя бы различимы детали и т.п.).
Для ознакомления несколько тем из книги.

0    0

Отличная книга для тех, кто хочет погрузиться в математический мир глубокого обучения. Начинал читать на официальном сайте на английском, хотел продолжить на литресе на русском, но меня удивило, что перевод стоит приличных денег.

0    0

Эта книга чрезвычайно переоценена. Она плохо структурирована, объяснения простых вещей сделаны максимально сложными.
Ощущение такое что три автора просто скинули вместе имеющиеся материалы для университетсткого курса, плюс дополнили их крайне поверхностными (но при этом все равно трудным для чтения) обзором литературы.
Попытка привязать графические модели типа байесовских сетей к нейронным сетям тоже выглядит как упражнение, возможно интересное авторам книги, но вовсе не обязательное и не приносящее, на мой взгляд, никакой практической пользы.
Ставлю 8/10 только из уважения к авторам.

0    0

Книга – одна из самых лучших, что я встретил на пути изучения нейронных сетей. Во-первых, напоминаются математические основы машинного обучения. Именно напоминаются. Я потратил не один вечер на отдельные учебники по математике, чтобы вспомнить конкретные темы в достаточном качестве. Но в этой книге они даются в нужном порядке и по делу.
Это явно не публицистика, так как внутри много хардкорных вещей.
Ну и уже после прочтения половины книги я понял, что Гудфеллоу – это тот самый Ian Goodfellow, книги которого рекомендуются к прочтению при изучении темы.

0    0