Enhancing Deep Learning with Bayesian Inference : Create more powerful, robust deep learning systems with Bayesian deep learning in Python
Lingua: inglese
Editore: Packt Publishing, 2023
- Brossura
- Nuovo
Da: AHA-BUCH GmbH, Einbeck, GermaniaAHA-BUCH GmbH
Venditore AbeBooks dal 14 agosto 2006
Condizione: Nuovo
EUR 93,04
Quantità: 1 disponibile
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
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. …
Codice articolo 9781803246888
- Titolo
- Enhancing Deep Learning with Bayesian Inference : Create more powerful, robust deep learning systems with Bayesian deep learning in Python
- Autore
- Marian Schneider
- Editore
- Packt Publishing
- Anno di pubblicazione
- 2023
- Condizione
- Neu
- Rilegatura
- Taschenbuch
- Lingua
- inglese
- ISBN 10
- 180324688X
- ISBN 13
- 9781803246888
- Peso dell'articolo
- 719 grammi
- Dimensioni
- 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
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
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.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
AHA-BUCH GmbH
Einbeck, Germania
Venditore AbeBooks dal 14 agosto 2006
Tariffe di spedizione da Germania a U.S.A.
| Articolo | Da 7 a 10 giorni lavorativi | Da 5 a 7 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 35,00 | EUR 45,00 |
Metodi di pagamento
- Assegno
- Bonifico bancario
- PayPal
Descrizione dello Store
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.
Specializzazione
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumInformazioni sull’azienda del venditore
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Germania 37574
Condizioni di vendita
Imprimere
Informazioni sul venditore:
AHA-BUCH GmbH
rappresentata dall'amministratore delegato Christel Glass
Garlebsen 48
37574 Einbeck
Germania
Telefono: 055639996039
Fax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
registrato presso Registro delle imprese Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Risoluzione alternativa delle controversie:
La Commissione europea fornisce una piattaforma per la risoluzione extragiudiziale delle controversie online (piattaforma ODR), accessibile nell'ambito di https://ec.europa.eu/odr.
Siamo membri dell'iniziativa "FairCommerce" dal 25.05.2018.
Per ulteriori informazioni, vedere www.fair-commerce.de.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a AHA-BUCH GmbH, Einbeck, Germany, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Spediamo il tuo ordine dopo averlo ricevuto
per articoli a portata di mano entro 24 ore,
per articoli con fornitura notturna entro 48 ore.
Nel caso in cui abbiamo bisogno di ordinare un articolo dal nostro fornitore, il nostro tempo di spedizione dipende dalla data di ricezione degli articoli, ma gli articoli verranno spediti lo stesso giorno.
Il nostro obiettivo è quello di inviare gli articoli ordinati nel modo più veloce, ma anche più efficiente e sicuro ai nostri clienti.