Probabilistic Deep Learning

Sinopsi de Probabilistic Deep Learning

«Probabilistic Deep Learning» és la guia de deep learning probabilístic d'Oliver Duerr, Beate Sick i Elvis Murina (Manning, tapa tova, 296 pàgines, anglès).

Guia pràctica de deep learning probabilístic amb Python, Keras i TensorFlow Probability. Partint del principi de màxima versemblança, ensenya a triar la distribució adequada per a cada tipus de dades i a construir xarxes bayesianes que quantifiquen la incertesa de les seves prediccions. Inclou exercicis en Jupyter Notebooks.

Publicat el 10 de novembre de 2020. Primera edició.

Per a desenvolupadors i científics de dades amb coneixements de Python i xarxes neuronals que vulguin incorporar la incertesa als seus models de deep learning.