Enhancing Deep Learning with Bayesian Inference : Create more powerful, robust deep learning systems with Bayesian deep learning in Python
Idioma: inglés
Editorial: Packt Publishing, 2023
- Tapa blanda
- Nuevo
Librería: AHA-BUCH GmbH, Einbeck, AlemaniaAHA-BUCH GmbH
Vendedor de IberLibro desde 14 de agosto de 2006
Condición: Nuevo
EUR 93,04
Cantidad disponible: 1 disponible
Añadir al carritoDescripción del artículo del vendedor
nach der Bestellung gedruckt Neuware - Printed after ordering - Develop Bayesian Deep Learning models to help make your own applications more robust.Key Features:Gain insights into the limitations of typical neural networksAcquire the skill to cultivate neural networks capable of estimating uncertaintyDiscover how to leverage uncertainty to develop more robust machine learning systemsBook Description:Deep learning is revolutionizing our lives, impacting content recommendations and playing a key role in mission- and safety-critical applications. Yet, typical deep learning methods lack awareness about uncertainty. Bayesian deep learning offers solutions based on approximate Bayesian inference, enhancing the robustness of deep learning systems by indicating how confident they are in their predictions. This book will guide you in incorporating model predictions within your applications with care.Starting with an introduction to the rapidly growing field of uncertainty-aware deep learning, you'll discover the importance of uncertainty estimation in robust machine learning systems. You'll then explore a variety of popular Bayesian deep learning methods and understand how to implement them through practical Python examples covering a range of application scenarios.By the end of this book, you'll embrace the power of Bayesian deep learning and unlock a new level of confidence in your models for safer, more robust deep learning systems.What You Will Learn:Discern the advantages and disadvantages of Bayesian inference and deep learningBecome well-versed with the fundamentals of Bayesian Neural NetworksUnderstand the differences between key BNN implementations and approximationsRecognize the merits of probabilistic DNNs in production contextsMaster the implementation of a variety of BDL methods in Python codeApply BDL methods to real-world problemsEvaluate BDL methods and choose the most suitable approach for a given taskDevelop proficiency in dealing with unexpected data in deep learning applicationsWho this book is for:This book will cater to researchers and developers looking for ways to develop more robust deep learning models through probabilistic deep learning. You're expected to have a solid understanding of the fundamentals of machine learning and probability, along with prior experience working with machine learning and deep learning models. …
N° de ref. del artículo 9781803246888
- Título
- Enhancing Deep Learning with Bayesian Inference : Create more powerful, robust deep learning systems with Bayesian deep learning in Python
- Autor
- Marian Schneider
- Editorial
- Packt Publishing
- Año de publicación
- 2023
- Estado
- Neu
- Encuadernación
- Taschenbuch
- Idioma
- inglés
- ISBN 10
- 180324688X
- ISBN 13
- 9781803246888
- Peso del artículo
- 719 gramos
- Dimensiones
- 235x191x21 mm
Develop Bayesian Deep Learning models to help make your own applications more robust.
Key Features
- Learn how advanced convolutions work
- Learn to implement a convolution neural network
- Learn advanced architectures using convolution neural networks
- Apply Bayesian NN to decrease weighted distribution
Book Description
Bayesian Deep Learning provides principled methods for developing deep learning models capable of producing uncertainty estimates.
Typical deep learning methods do not produce principled uncertainty estimates, i.e. they don’t know when they don’t know. Principled uncertainty estimates allow developers to handle unexpected scenarios in real-world applications, and therefore facilitate the development of safer, more robust systems.
Developers working with deep learning will be able to put their knowledge to work with this practical guide to Bayesian Deep Learning.
Learn building and understanding of how Bayesian Deep Learning can improve the way you work with models in production.
You’ll learn about the importance of uncertainty estimates in predictive tasks, and will be introduced to a variety of Bayesian Deep Learning approaches used to produce principled uncertainty estimates. You will be guided through the implementation of these approaches, and will learn how to select and apply Bayesian Deep Learning methods to real-world applications.
By the end of the book you will have a good understanding of Bayesian Deep Learning and the advantages it has to offer, and will be able to develop Bayesian Deep Learning models to help make your own applications more robust.
What you will learn
- Understanding the fundamentals of Bayesian Neural Networks
- Understanding the tradeoffs between different key BNN implementations/approximations
- Understanding the advantages of probabilistic DNNs in production contexts
- Knowing how to implement a variety of BDL methods, and how to apply these to real-world problems
- Understanding how to evaluate BDL methods and choose the best method for a given task
Who This Book Is For
Researchers and developers are looking for ways to develop more robust deep learning models through probabilistic deep learning.
The reader will know the fundamentals of machine learning, and have some experience of working with machine learning and deep learning models.
Table of Contents
- Bayesian Inference in the Age of Deep Learning
- Fundamentals of Bayesian Inference
- Fundamentals of Deep Learning
- Introducing Bayesian Deep Learning
- Principled Approaches for Bayesian Deep Learning
- Using the Standard Toolbox for Bayesian Deep Learning
- Practical considerations for Bayesian Deep Learning
- Applying Bayesian Deep Learning
- Next steps in Bayesian Deep Learning
“Sinopsis” puede pertenecer a otra edición de este título.
Acerca del autor
Jochem Gietema is an Applied Scientist at Onfido in London where he has developed and deployed several patented solutions related to anomaly detection, computer vision, and interactive data visualisation.
Marian Schneider is an applied scientist in machine learning. His work involves developing and deploying applications in computer vision, ranging from brain image segmentation and uncertainty estimation to smarter image capture on mobile devices.
“Acerca de” puede pertenecer a otra edición de este título.
AHA-BUCH GmbH
Einbeck, Alemania
Vendedor de IberLibro desde 14 de agosto de 2006
Tarifas de envío de Alemania a Estados Unidos de America
| Artículo | De 7 a 10 días hábiles | De 5 a 7 días hábiles |
|---|---|---|
| Primer artículo | EUR 35,00 | EUR 45,00 |
Métodos de pago
- Cheque
- Giro bancario
- PayPal
Descripción de la tienda
Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.
Especialidad
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumInformación empresarial del vendedor
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Alemania 37574
Condiciones de venta
IImprint
Información del vendedor
AHA-BUCH GmbH
representado por el director gerente Christel Glass
Garlebsen 48
37574 Einbeck
Alemania
Teléfono: 055639996039
Fax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
Inscrita en el Registro Mercantil Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Resolución alternativa de conflictos:
La Comisión Europea proporciona una plataforma para la resolución extrajudicial de litigios en línea (plataforma ODR), a la que se puede acceder en https://ec.europa.eu/odr.
Somos miembros de la iniciativa "FairCommerce" desde el 25.05.2018.
Para obtener más información, consulte www.fair-commerce.de.
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a AHA-BUCH GmbH, Einbeck, Germany, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
Enviamos su pedido después de recibirlos
para artículos disponibles las últimas 24 horas,
para artículos con suministro nocturno a más tardar 48 horas.
En caso de que necesitemos pedir un artículo a nuestro proveedor, nuestro tiempo de envío depende de la fecha de recepción de los artículos, pero los artículos se enviarán el mismo día.
Nuestro objetivo es enviar los artículos pedidos de la manera más rápida, pero también más eficiente y segura a nuestros clientes.