Deep learning i modelowanie generatywne. Jak nauczyć komputer malowania, pisania, komponowania i gra

Techniki uczenia głębokiego rozwijają się w imponującym tempie, a sieci neuronowe znajdują zastosowanie w przer&oacute,żnych branżach. Coraz częściej komputer wykonuje zadania, kt&oacute,re do niedawna były zarezerwowane dla człowieka. Dobrym przykładem jest tworzenie dzieł sztuki: ostatnie postępy w dziedzinie modelowania generatywnego sprawiają, że maszyny tworzą oryginalne obrazy w określonym stylu, piszą sp&oacute,jne akapity tekstu, komponują przyjemną w odbiorze muzykę i generują prawdopodobne scenariusze zdarzeń. Ta &quot,generatywna rewolucja&quot, już się zaczęła, a jej efekty przekraczają najśmielsze wyobrażenia.

Ta książka jest praktycznym przewodnikiem przeznaczonym dla inżynier&oacute,w uczenia maszynowego i analityk&oacute,w danych. W jasny i przystępny spos&oacute,b om&oacute,wiono w niej zasadnicze zagadnienia teorii modelowania generatywnego, a następnie zaprezentowano techniki stosowane do budowy modeli generatywnych, włącznie z og&oacute,lnym opisem uczenia głębokiego, wariacyjnych autoenkoder&oacute,w i generatywnych sieci antagonistycznych (GAN). Na tej podstawie - z wykorzystaniem biblioteki Keras - pokazano wewnętrzne funkcjonowanie każdej z tych technik, łącznie z najbardziej nowatorskimi architekturami. Opisano krok po kroku sposoby rozwiązywania takich tw&oacute,rczych zadań jak malowanie, pisanie i komponowanie muzyki, a także zastosowania modelowania generatywnego do optymalizacji strategii grania w gry (modele World).

W książce między innymi:

• działanie autoenkoder&oacute,w wariacyjnych
• tworzenie sieci GAN, w tym CycleGAN i MuseGAN
• rekurencyjne modele generatywne do tworzenia tekstu oraz mechanizmy uwagi
• modele generatywne w środowiskach uczenia przez wzmacnianie
• architektura Transformer (BERT, GPT-2) oraz modele generowania obrazu