Умберто Мікелуччи: Прикладне глибоке навчання

Розглянуто розширені теми глибокого навчання: оптимізаційні алгоритми, налаштування гіперпараметрів, відсів і аналіз помилок, стратегії вирішення типових задач під час тренування глибоких нейронних мереж. Описано прості активаційні функції з єдиним нейроном (ReLu, сигмоїда і Swish), лінійна і логістична регресії, бібліотека TensorFlow, вибір вартісної функції, а також складніші нейромережеві архітектури з численними шарами і нейронами.

Показані налагодження та оптимізація розширених методів відсіву та регуляризації, налаштування проєктів машинного навчання, орієнтованих на глибоке навчання з використанням складних наборів даних. Наведено результати аналізу помилок нейронної мережі з прикладами розв'язання проблем, що виникають через дисперсії, зміщення або розрізнені набори даних. По кожному технічному рішенню наведено приклади розв'язання практичних завдань.