# Deep Learning. Praktyczne wprowadzenie Josh Patterson

Canonical: https://www.kolczanksiazek.pl/josh-patterson/deep-learning-praktyczne-wprowadzenie-josh-patterson/9788328342279

Wersja JSON (te same dane): https://www.kolczanksiazek.pl/josh-patterson/deep-learning-praktyczne-wprowadzenie-josh-patterson/9788328342279.json

![Deep Learning. Praktyczne wprowadzenie Josh Patterson](https://quivercdn.com/covers/helion/josh-patterson/deep-learning-praktyczne-wprowadzenie-josh-patterson_978-83-2834-227-9.jpg?v=2026-04-07%2011%3A21%3A31)

- Książka: [Deep Learning. Praktyczne wprowadzenie Josh Patterson](https://www.kolczanksiazek.pl/josh-patterson/deep-learning-praktyczne-wprowadzenie-josh-patterson) ([Deep Learning. Praktyczne wprowadzenie Josh Patterson.md](https://www.kolczanksiazek.pl/josh-patterson/deep-learning-praktyczne-wprowadzenie-josh-patterson.md))
- Autorzy: [Josh Patterson](https://www.kolczanksiazek.pl/josh-patterson), [Adam Gibson](https://www.kolczanksiazek.pl/adam-gibson)
- Wydawnictwo: Helion
- ISBN: 978-83-2834-227-9
- Liczba stron: 456
- Data wydania: 2018-07-24
- Język: pl_PL
- Oprawa: Softcover

## Opis

Technologie wykorzystujące różne formy uczenia maszynowego zaczynają pojawiać się w różnych branżach. Możliwości w tym zakresie stale rosną, podobnie jak zainteresowanie i oczekiwania. Przed podjęciem decyzji o wdrożeniu w firmie tego rodzaju rozwiązań trzeba jednak zadać sobie pytanie, co można i co chciałoby się osiągnąć za pomocą sieci neuronowej. Generalnie uczenie maszynowe opiera się na algorytmach wyodrębniania informacji z surowych danych i reprezentowania ich jako modelu. Model ten następnie służy do przetwarzania kolejnych surowych danych. Co to jednak oznacza w praktyce i jak się implementuje takie algorytmy? Niniejsza książka jest przydatnym przewodnikiem po uczeniu maszynowym i sieciach neuronowych. Zawiera praktyczne informacje, które doceni każdy programista stawiający pierwsze kroki w tej dziedzinie. Przedstawiono tu podstawy deep learningu i wyjaśniono takie pojęcia, jak strojenie sieci, wielowątkowość, wektoryzowanie danych. Opisano, w jaki sposób można wykorzystać otwartą bibliotekę Deeplearning4j (DL4J) do kodowania profesjonalnych procesów uczenia głębokiego. Zaprezentowano metody i strategie trenowania sieci głębokich i uruchamiania procesów uczenia głębokiego w środowiskach Spark i Hadoop. Zagadnienia te zostały zilustrowane gotowymi do zastosowania, praktycznymi przykładami. W tej książce między innymi: ogólne koncepcje uczenia maszynowego, uczenia głębokiego i sieci neuronowych ewolucja sieci neuronowych do sieci głębokich i ich rodzaje dobieranie rodzaju sieci do analizowanego zagadnienia strojenie sieci neuronowych i sieci głębokich korzystanie z narzędzia DataVec do wektoryzowania danych różnych typów stosowanie biblioteki DL4J w środowiskach Spark i Hadoop Uczenie głębokie i sieci neuronowe: przyszłość, która dzieje się dziś!