概率深度學(xué)習(xí) 使用Python、Keras和TensorFl

世界充滿了噪聲和不確定性。概率深度學(xué)習(xí)模型可對這些噪聲和不確定性進(jìn)行建模，并將所建的模型應(yīng)用于現(xiàn)實(shí)世界，幫助深度學(xué)習(xí)工程師評估其結(jié)果的準(zhǔn)確性、發(fā)現(xiàn)錯誤，并加深他們對算法工作原理的理解。這對自動駕駛汽車和科學(xué)測試來說至關(guān)重要。

《概率深度學(xué)習(xí)使用Python、 Keras和TensorFlow Probability》 是關(guān)于神經(jīng)網(wǎng)絡(luò)原理的實(shí)踐指南，引導(dǎo)讀者學(xué)習(xí)使用不同數(shù)據(jù)類型的正確分布來提升網(wǎng)絡(luò)性能，同時推導(dǎo)貝葉斯變體，以通過表達(dá)模型自身的不確定性來提高準(zhǔn)確性。本書采用了主流的實(shí)現(xiàn)框架，提供了易于應(yīng)用的代碼，讓讀者更加注重實(shí)際應(yīng)用。

主要內(nèi)容

●探索深度學(xué)習(xí)的最大似然原理和統(tǒng)計學(xué)基礎(chǔ)

●發(fā)現(xiàn)能輸出各種可能結(jié)果的概率模型

●學(xué)習(xí)使用標(biāo)準(zhǔn)化流來建模和生成復(fù)雜分布

●使用貝葉斯神經(jīng)網(wǎng)絡(luò)獲取模型中的不確定性

Oliver Dürr是德國康斯坦茨應(yīng)用科學(xué)大學(xué)的教授，研究方向?yàn)閿?shù)據(jù)科學(xué)。Beate Sick在蘇黎世應(yīng)用科技大學(xué)擔(dān)任應(yīng)用統(tǒng)計學(xué)教授，在蘇黎世大學(xué)擔(dān)任研究員和講師，在蘇黎世聯(lián)邦理工學(xué)院擔(dān)任講師。Elvis Murina是一名研究科學(xué)家，負(fù)責(zé)本書附帶的大量練習(xí)代碼的編寫。

Dürr和Sick都是機(jī)器學(xué)習(xí)和統(tǒng)計方面的專家。他們指導(dǎo)了大量以深度學(xué)習(xí)為研究方向的學(xué)士、碩士和博士論文，并策劃和開展了多門研究生、碩士層次的深度學(xué)習(xí)課程。三位作者自2013年以來一直從事深度學(xué)習(xí)方法的研究，在相關(guān)教學(xué)和概率深度學(xué)習(xí)模型開發(fā)方面都擁有豐富的經(jīng)驗(yàn)。