❔ Чему вы научитесь:
🔵 реализовывать многослойный перцептрон и обратное распространение ошибки с нуля;
🔵 работать с методами обучения — градиентный спуск, симулированный отжиг, сопряжённые градиенты;
🔵 подготавливать входные данные и кодировать признаки для сети;
🔵 бороться с переобучением через валидационные выборки и подбор размера сети;
🔵 применять сети к классификации и распознаванию образов.
"Practical Neural Network Recipes in C++" — книга 1993 года, и это определяет её место: современный стек, глубокие архитектуры и работа на GPU здесь отсутствуют по хронологическим причинам. Ценность сегодня историческая и учебная — математика обучения разбирается на уровне кода, без фреймворка, скрывающего механику. Как практическое руководство для рабочих задач книга устарела; читать её стоит тем, кто хочет понять, как сети устроены изнутри.
Скачать курс Архиватор
