Deep Learning. Współczesne systemy uczące się - tantis.pl

Deep Learning. Współczesne systemy uczące się

Name: Deep Learning. Współczesne systemy uczące się
Brand: Wydawnictwo Naukowe PWN
SKU: 736853
Price: 145.49 PLN
Availability: InStock
Rating: 1 (1 reviews)

Ian Goodfellow, Yoshua Bengio, Aaron Courville

Deep learning to rodzaj systemu uczącego się, który pozwala komputerom na naukę na podstawie doświadczeń i zrozumienie świata w sennie hierarchii pojęć. Ponieważ komputer gromadzi wiedzę na podstawie doświadczeń, nie potrzebny jest nadzór człowieka w celu określenia całej wiedzy potrzebnej komputerowi. Hierarchia pojęć pozwala komputerowi uczyć się skomplikowanych pojęć rozbudowując je na podstawiCzytaj więcej

Wydawnictwo: Wydawnictwo Naukowe PWN
Data premiery: 2018-01-24
Okładka: miękka
Liczba stron: 900
Wymiary: 236 x 168

więcej parametrów

Deep Learning. Współczesne systemy uczące się

supercena

145,49 zł

Cena okładkowa: 164,00 zł
Informacja o cenie

Polecamy podobne produkty

Zobacz wszystkie

O książce

Deep learning to rodzaj systemu uczącego się, który pozwala komputerom na naukę na podstawie doświadczeń i zrozumienie świata w sennie hierarchii pojęć. Ponieważ komputer gromadzi wiedzę na podstawie doświadczeń, nie potrzebny jest nadzór człowieka w celu określenia całej wiedzy potrzebnej komputerowi. Hierarchia pojęć pozwala komputerowi uczyć się skomplikowanych pojęć rozbudowując je na podstawie prostszych elementów. Graf takich hierarchii będzie miał głębokość wielu warstw.

Książka wprowadza szeroki zakres tematów z zakresu deep learning.

Informacja o autorze/ redaktorze:

Ian Goodfellow jest naukowcem w OpenAI.

Yoshua Bengio, pracuje na stanowisku profesora informatyki na uniwersytecie w Monteralu.

Aaron Courville adiunktem informatyki na tej samej uczelni.

Dane szczegółowe

Identyfikator produktu

736853

Tytuł

Deep Learning. Współczesne systemy uczące się

Autorzy

Ian Goodfellow, Yoshua Bengio, Aaron Courville

Wydawnictwo

Wydawnictwo Naukowe PWN

Język

polski

Język oryginału

polski

Liczba stron

900

Typ okładki

miękka

Wydanie

Data premiery

2018-01-24

Rok wydania

2017

Wymiary

236 x 168

Waga

1.29 kg

Wysokość

42 mm

Długość

235 mm

Głębokość

165 mm

Szerokość

165 mm

Nasza cena

145,49 zł

Opinie i recenzje książki Deep Learning. Współczesne systemy uczące się

Dziękujemy za Twoją ocenę!

1,0/5

1 ocena

Recenzje produktów są zarządzane przez stronę trzecią w celu weryfikacji autentyczności i zgodności z naszymi wytycznymi dotyczącymi ocen i recenzji.Jak działają recenzje

Sortuj

Od najwyższej oceny

Zawiedziony c. Zakup niezweryfikowany
1.0

2018-04-10Recenzja zweryfikowana
Ta książka, a raczej jej polskie tłumaczenie jest beznadziejne! Zalecam nie kupować. O ile można zrozumieć że tłumacz może nie rozumieć specjalistycznego języka matematycznego i informatycznego, to brak konsultantów do sprawdzenia poprawności tłumaczenia i wskazania błędów, podpowiedzenia tłumaczowi jakie zwroty polskie odpowiadają angielskim zwrotom używanym w matematyce i informatyce jest bardzo dziwne! Przecież tłumacz nie rozumiejący tekstu przetłumaczy specjalistyczny tekst błędnie. Zresztą mam wrażenie, że podczas tłumaczenie wiele razy użyty był jakiś program do tłumaczeń. Tej książki nie da się czytać w normalny sposób. Aby zrozumieć materiał trzeba posiłkować się wersją udostępnioną za darmo na stronie internetowej, oraz wikipedią do sprawdzania jakie jest tłumaczenie angielskich zwrotów. Co zajmuje wiele czasu. Oto przykłady, które zauważyłem podczas mozolnego czytania i zdołałem dojść do poprawnego tłumaczenia. Doszedłem jak na razie do strony 43 polskiego tłumaczenia. Strach pomyśleć jakie błędy są w dalszych stronach książki zwłaszcza poruszające tematy z którymi nie miałem styczności i czego błędnie się nauczę. Poniżej podaje: - zdanie po angielsku, z tekstu udostępnionego na stronie deeplearningbook, - tłumaczenie z książki, - poprawione tłumaczenie (nie jestem tłumaczem więc moje tłumaczenie jest koślawe). Błędnie tłumaczone zwroty, oraz moje poprawki są napisane DUŻYMI literami. na stronie 42 oryginału książki If any TWO or more eigenvectors share the same eigenvalue, then any set of orthogonal vectors lying in their SPAN ARE ALSO EIGENVECTORS with that eigenvalue, and we could equivalently choose a Q using those eigenvectors instead polskie tłumaczenie nas stronie 41: Jeśli JEDEN lub więcej wektorów własnych ma tę samą wartość własną, to każdy zbiór ortogonalnych wektorów leżący w ich ZAKRESIE STANOWI WEKTORY WŁASNE z tą samą wartością własną i można wybrać macierz Q, wykorzystującą te wektory własne zamiast innych poprawione tłumaczenie: Jeśli DWA lub więcej wektorów własnych ma tę samą wartość własną, to każdy zbiór ortogonalnych wektorów leżący w ich PODPRZESTRZENI LINIOWEJ, JEST TAKŻE ZBIOREM WEKTORÓW WŁASNYCH z tą samą wartością własną i można wybrać(STWORZYĆ) macierz Q, wykorzystującą te wektory własne zamiast innych Zwróćcie uwagę, że TWO zostało przetłumaczone jako jeden. Nawet nierozumiejący tekstu tłumacz nie powinien zrobić takiego błędu! Tłumaczenie (w tym kontekście) specjalistycznego terminu SPAN to PODPRZESTRZEŃ LINIOWA! Strona 41, oryginał po angielsku: We have seen that constructing matrices with speciﬁc eigenvalues and eigen-vectors enables us to STRETCH space in desired directions strona 40 polski przekład Widzimy że budowa macierzy z określonymi wartościami własnymi i wektorami własnymi pozwala nam na ROZSZERZENIE przestrzeni w pożądanym kierunku. Poprawione tłumaczenie: Widzimy że budowa macierzy z określonymi wartościami własnymi i wektorami własnymi pozwala nam na ROZCIĄGNIĘCIE przestrzeni w pożądanym kierunku. Strona 42 (tytuł pod rozdziału) SINGULAR VALUE DECOMPOSITION strona 42 (polski przekład) DEKOMPOZYCJA WARTOŚCI OSOBLIWEJ poprawione tłumaczenie ROZKŁAD WEDŁUG WARTOŚCI OSOBLIWYCH Przypominam, że dopiero co zacząłem czytać, ale prawie na pewno w książce wystąpią liczne podobne błędy w tłumaczeniu.
Czy ta recenzja była przydatna?
₀₀

Dostawa i płatność

Deep Learning. Współczesne systemy uczące się

O książce

Dane szczegółowe

Opinie i recenzje książki Deep Learning. Współczesne systemy uczące się

Zobacz również