Probabilistic Deep Learning

Sinossi di Probabilistic Deep Learning

«Probabilistic Deep Learning» è la guida al deep learning probabilistico di Oliver Duerr, Beate Sick e Elvis Murina (Manning, brossura, 296 pagine, inglese).

Guida pratica al deep learning probabilistico con Python, Keras e TensorFlow Probability. Partendo dal principio di massima verosimiglianza, insegna a scegliere la distribuzione adatta a ogni tipo di dati e a costruire reti bayesiane che quantificano l'incertezza delle loro previsioni. Include esercizi in Jupyter Notebooks.

Pubblicato il 10 novembre 2020. Prima edizione.

Per sviluppatori e data scientist con conoscenze di Python e reti neurali che vogliono incorporare l'incertezza nei loro modelli di deep learning.