Deep learning i modelowanie generatywne : jak nauczyć komputer malowania, pisania, komponowania i grania

Książka

W koszyku

oceń

Deep learning i modelowanie generatywne : jak nauczyć komputer malowania, pisania, komponowania i grania / David Foster ; przekład: Radosław Meryk. - Gliwice : Helion, © 2021. - 262, [2] strony : fotografie, ilustracje ; 24 cm.

Autor

Foster David (informatyk) Autor Meryk Radosław Tłumaczenie

Forma i typ

Książki Publikacje fachowe

Odbiorca

Informatycy

Temat

Sztuczna inteligencja Uczenie się Uczenie głębokie Sztuczna sieć neuronowa Modelowanie generatywne Programowanie genetyczne

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Słowo kluczowe

uczenie głębokie modelowanie generatywne

Ta książka jest praktycznym przewodnikiem przeznaczonym dla inżynierów uczenia maszynowego i analityków danych. W jasny i przystępny sposób omówiono w niej zasadnicze zagadnienia teorii modelowania generatywnego, a następnie zaprezentowano techniki stosowane do budowy modeli generatywnych, włącznie z ogólnym opisem uczenia głębokiego, wariacyjnych autoenkoderów i generatywnych sieci antagonistycznych (GAN). Na tej podstawie - z wykorzystaniem biblioteki Keras - pokazano wewnętrzne funkcjonowanie każdej z tych technik, łącznie z najbardziej nowatorskimi architekturami. Opisano krok po kroku sposoby rozwiązywania takich twórczych zadań jak malowanie, pisanie i komponowanie muzyki, a także zastosowania modelowania generatywnego do optymalizacji strategii grania w gry (modele World).

zob. w.bibliotece.pl

Pliki multimedialne:

Status dostępności:

Biblioteka Główna. Wypożyczalnie

Są egzemplarze dostępne do wypożyczenia: sygn. 24133.XV.6 [Wypożyczalnia C] (1 egz.)

Biblioteka Główna. Czytelnie

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 24132.XV.6 [Czytelnia C] (1 egz.)

Strefa uwag:

Tytuł oryginału: Generative deep-learning : teaching machines to paint, write, compose, and play, 2019

Uwaga ogólna

Na okładce nazwa wydawnictwa O'Reilly.

Uwaga dotycząca przeznaczenia czytelniczego

Dla inżynierów uczenia maszynowego i analityków danych.