توضیحات
This is the first book on synthetic data for deep learning, and its breadth of coverage may render this book as the default reference on synthetic data for years to come. The book can also serve as an introduction to several other important subfields of machine learning that are seldom touched upon in other books. Machine learning as a discipline would not be possible without the inner workings of optimization at hand. The book includes the necessary sinews of optimization though the crux of the discussion centers on the increasingly popular tool for training deep learning models, namely synthetic data. It is expected that the field of synthetic data will undergo exponential growth in the near future. This book serves as a comprehensive survey of the field.
In the simplest case, synthetic data refers to computer-generated graphics used to train computer vision models. There are many more facets of synthetic data to consider. In the section on basic computer vision, the book discusses fundamental computer vision problems, both low-level (e.g., optical flow estimation) and high-level (e.g., object detection and semantic segmentation), synthetic environments and datasets for outdoor and urban scenes (autonomous driving), indoor scenes (indoor navigation), aerial navigation, and simulation environments for robotics. Additionally, it touches upon applications of synthetic data outside computer vision (in neural programming, bioinformatics, NLP, and more). It also surveys the work on improving synthetic data development and alternative ways to produce it such as GANs.
The book introduces and reviews several different approaches to synthetic data in various domains of machine learning, most notably the following fields: domain adaptation for making synthetic data more realistic and/or adapting the models to be trained on synthetic data and differential privacy for generating synthetic data with privacy guarantees. This discussion is accompanied by an introduction into generative adversarial networks (GAN) and an introduction to differential privacy.
————————————————————–
ترجمه ماشینی :
این اولین کتاب در مورد داده های مصنوعی برای یادگیری عمیق است، و گستردگی پوشش آن ممکن است این کتاب را به عنوان مرجع پیش فرض داده های مصنوعی برای سال های آینده تبدیل کند. این کتاب همچنین می تواند به عنوان مقدمه ای برای چندین زیر شاخه مهم دیگر از یادگیری ماشینی باشد که به ندرت در کتاب های دیگر به آنها اشاره شده است. یادگیری ماشینی به عنوان یک رشته بدون کارکرد درونی بهینه سازی امکان پذیر نخواهد بود. این کتاب شامل نکات ضروری بهینهسازی میشود، اگرچه محور بحث بر روی ابزار محبوبتر برای آموزش مدلهای یادگیری عمیق، یعنی دادههای مصنوعی متمرکز است. انتظار می رود که حوزه داده های مصنوعی در آینده نزدیک رشد تصاعدی داشته باشد. این کتاب به عنوان یک بررسی جامع از این زمینه عمل میکند.
در سادهترین حالت، دادههای مصنوعی به گرافیکهای تولید شده توسط رایانه برای آموزش مدلهای بینایی رایانهای اشاره دارد. جنبه های بیشتری از داده های مصنوعی وجود دارد که باید در نظر گرفته شوند. در بخش بینایی کامپیوتری پایه، این کتاب مشکلات اساسی بینایی رایانه را مورد بحث قرار میدهد، هم سطح پایین (به عنوان مثال، تخمین جریان نوری) و هم سطح بالا (به عنوان مثال، تشخیص اشیا و تقسیمبندی معنایی)، محیطهای مصنوعی و مجموعههای داده برای صحنههای بیرونی و شهری. (رانندگی خودکار)، صحنه های داخلی (ناوبری داخلی)، ناوبری هوایی، و محیط های شبیه سازی برای روباتیک. علاوه بر این، کاربردهای داده های مصنوعی خارج از دید کامپیوتر (در برنامه نویسی عصبی، بیوانفورماتیک، NLP و موارد دیگر) را مورد بررسی قرار می دهد. همچنین کار روی بهبود توسعه داده های مصنوعی و روش های جایگزین برای تولید آن مانند GAN ها را بررسی می کند.
این کتاب چندین رویکرد مختلف برای داده های مصنوعی در حوزه های مختلف یادگیری ماشین را معرفی و بررسی می کند، که مهمترین آنها زمینه های زیر است. : تطبیق دامنه برای واقعیتر کردن دادههای مصنوعی و/یا تطبیق مدلهای آموزش دادههای مصنوعی و حریم خصوصی متفاوت برای تولید دادههای مصنوعی با تضمینهای حفظ حریم خصوصی. این بحث با مقدمه ای بر شبکه های متخاصم مولد (GAN) و مقدمه ای بر حریم خصوصی متفاوت همراه است.
tag : دانلود کتاب داده های ترکیبی برای یادگیری عمیق , Download داده های ترکیبی برای یادگیری عمیق , دانلود داده های ترکیبی برای یادگیری عمیق , Download Synthetic Data for Deep Learning Book , داده های ترکیبی برای یادگیری عمیق دانلود , buy داده های ترکیبی برای یادگیری عمیق , خرید کتاب داده های ترکیبی برای یادگیری عمیق , دانلود کتاب Synthetic Data for Deep Learning , کتاب Synthetic Data for Deep Learning , دانلود Synthetic Data for Deep Learning , خرید Synthetic Data for Deep Learning , خرید کتاب Synthetic Data for Deep Learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.