Enhancing Deep Learning with Bayesian Inference
Lingua: inglese
Editore: Packt Publishing Limited, GB, 2023
- Brossura
- Nuovo
Da: Rarewaves.com USA, London, London, Regno UnitoRarewaves.com USA
Venditore AbeBooks dal 11 giugno 2025
Condizione: Nuovo
EUR 74,62
Quantità: Più di 20 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Develop Bayesian Deep Learning models to help make your own applications more robust.Key FeaturesGain 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 DescriptionDeep learning has an increasingly significant impact on our lives, from suggesting content to playing a key role in mission- and safety-critical applications. As the influence of these algorithms grows, so does the concern for the safety and robustness of the systems which rely on them. Simply put, typical deep learning methods do not know when they don't know.The field of Bayesian Deep Learning contains a range of methods for approximate Bayesian inference with deep networks. These methods help to improve the robustness of deep learning systems as they tell us how confident they are in their predictions, allowing us to take more in how we incorporate model predictions within our applications.Through this book, you will be introduced to the rapidly growing field of uncertainty-aware deep learning, developing an understanding of the importance of uncertainty estimation in robust machine learning systems. You will learn about a variety of popular Bayesian Deep Learning methods, and how to implement these through practical Python examples covering a range of application scenarios.By the end of the book, you will have a good understanding of Bayesian Deep Learning and its advantages, and you will be able to develop Bayesian Deep Learning models for safer, more robust deep learning systems.What you will learnUnderstand advantages and disadvantages of Bayesian inference and deep learningUnderstand the fundamentals of Bayesian Neural NetworksUnderstand the differences between key BNN implementations/approximationsUnderstand the advantages of probabilistic DNNs in production contextsHow to implement a variety of BDL methods in Python codeHow to apply BDL methods to real-world problemsUnderstand how to evaluate BDL methods and choose the best method for a given taskLearn how to deal with unexpected data in real-world deep learning applicationsWho this book is forThis 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 LU-9781803246888
- Titolo
- Enhancing Deep Learning with Bayesian Inference
- Autore
- Matt Benatan, Jochem Gietema, Marian Schneider
- Editore
- Packt Publishing Limited, GB
- Anno di pubblicazione
- 2023
- Condizione
- New
- Rilegatura
- Paperback
- Lingua
- inglese
- ISBN 10
- 180324688X
- ISBN 13
- 9781803246888
- Dimensioni
- 7.5 x 0.91 x 9.25 inches
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.
Rarewaves.com USA
London, London, Regno Unito
Venditore AbeBooks dal 11 giugno 2025
Tariffe di spedizione da Regno Unito a U.S.A.
| Articolo | Da 9 a 14 giorni lavorativi | Da 9 a 14 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 0,00 | EUR 0,00 |
Metodi di pagamento
Informazioni sull’azienda del venditore
RAREWAVES.COM LIMITED
Elsley Court, 20-22 Great Titchfield Street
London, Regno Unito W1W 8BE
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 Rarewaves.com USA, Unit 144 The Lightbox, 111 Power Road, W4 5PY, London, London, United Kingdom, 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
Please note that we do not offer Priority shipping to any country.
We currently do not ship to the below countries:
Russia
Belarus
Ukraine
Please do not attempt to place orders with any of these countries as a ship to address - they will be cancelled.