Technologie wykorzystujÄ…ce różne formy uczenia maszynowego zaczynajÄ… pojawiać siÄ™ w różnych branżach. MożliwoÅ›ci w tym zakresie stale rosnÄ…, podobnie jak zainteresowanie i oczekiwania. Przed podjÄ™ciem decyzji o wdrożeniu w firmie tego rodzaju rozwiÄ…zaÅ„ trzeba jednak zadać sobie pytanie, co można i co chciaÅ‚oby siÄ™ osiÄ…gnąć za pomocÄ… sieci neuronowej. Generalnie uczenie maszynowe opiera siÄ™ na algorytmach wyodrÄ™bniania informacji z surowych danych i reprezentowania ich jako modelu. Model ten nastÄ™pnie sÅ‚uży do przetwarzania kolejnych surowych danych. Co to jednak oznacza w praktyce i jak siÄ™ implementuje takie algorytmy? Niniejsza książka jest przydatnym przewodnikiem po uczeniu maszynowym i sieciach neuronowych. Zawiera praktyczne informacje, które doceni każdy programista stawiajÄ…cy pierwsze kroki w tej dziedzinie. Przedstawiono tu podstawy deep learningu i wyjaÅ›niono takie pojÄ™cia, jak strojenie sieci, wielowÄ…tkowość, wektoryzowanie danych. Opisano, w jaki sposób można wykorzystać otwartÄ… bibliotekÄ™ Deeplearning4j (DL4J) do kodowania profesjonalnych procesów uczenia gÅ‚Ä™bokiego. Zaprezentowano metody i strategie trenowania sieci gÅ‚Ä™bokich i uruchamiania procesów uczenia gÅ‚Ä™bokiego w Å›rodowiskach Spark i Hadoop. Zagadnienia te zostaÅ‚y zilustrowane gotowymi do zastosowania, praktycznymi przykÅ‚adami. W tej książce miÄ™dzy innymi: ogólne koncepcje uczenia maszynowego, uczenia gÅ‚Ä™bokiego i sieci neuronowych ewolucja sieci neuronowych do sieci gÅ‚Ä™bokich i ich rodzaje dobieranie rodzaju sieci do analizowanego zagadnienia strojenie sieci neuronowych i sieci gÅ‚Ä™bokich korzystanie z narzÄ™dzia DataVec do wektoryzowania danych różnych typów stosowanie biblioteki DL4J w Å›rodowiskach Spark i Hadoop Uczenie gÅ‚Ä™bokie i sieci neuronowe: przyszÅ‚ość, która dzieje siÄ™ dziÅ›!