Enhancing Deep Learning with Bayesian Inference
Sprache: Englisch
Verlag: Packt Publishing Limited, GB, 2023
- Softcover
- Neu
Anbieter: Rarewaves.com USA, London, London, Vereinigtes KönigreichRarewaves.com USA
Verkäufer:in bei AbeBooks seit 11. Juni 2025
Zustand: Neu
EUR 74,38
Anzahl: Mehr als 20 verfügbar
In den WarenkorbArtikelbeschreibung des Verkäufers
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.…
Bestandsnummer des Verkäufers LU-9781803246888
- Titel
- Enhancing Deep Learning with Bayesian Inference
- Autor
- Matt Benatan, Jochem Gietema, Marian Schneider
- Verlag
- Packt Publishing Limited, GB
- Erscheinungsjahr
- 2023
- Zustand
- New
- Einband
- Paperback
- Sprache
- Englisch
- ISBN-10
- 180324688X
- ISBN-13
- 9781803246888
- Abmessungen
- 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
„Inhaltsangabe“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Über die Autorin bzw. den 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.
„Über diesen Titel“ gehört möglicherweise zu einer anderen Auflage dieses Titels.
Rarewaves.com USA
London, London, Vereinigtes Königreich
Verkäufer:in bei AbeBooks seit 11. Juni 2025
Versandkosten von Vereinigtes Königreich nach USA
| Artikel | 9 bis 14 Werktage | 9 bis 14 Werktage |
|---|---|---|
| Erster Artikel | EUR 0,00 | EUR 0,00 |
Zahlungsarten
Unternehmensdaten der Verkäuferin bzw. des Verkäufers
RAREWAVES.COM LIMITED
Elsley Court, 20-22 Great Titchfield Street
London, Vereinigtes Königreich W1W 8BE
Widerrufsrecht
Wenn Sie Verbraucher sind, können Sie gemäß den folgenden Bestimmungen vom Vertrag zurücktreten. Verbraucher ist jede natürliche Person, die zu Zwecken handelt, die nicht ihrer kaufmännischen, gewerblichen, künstlerischen oder beruflichen Tätigkeit zugerechnet werden können.
Informationen zum Widerrufsrecht
Gesetzliches Widerrufsrecht
Sie haben das Recht, den Vertrag innerhalb von 14 Tagen ohne Angabe von Gründen zu widerrufen.
Die Widerrufsfrist beträgt 14 Tage ab dem Tag, an dem Sie oder ein von Ihnen benannter Dritter, der nicht der Transporteur ist, die letzte Ware oder den letzten Posten oder das letzte Exemplar in Besitz genommen hat.
Um das Widerrufsrecht auszuüben, füllen Sie auf unserer Website unter „Meine Einkäufe" in „Mein Nutzerkonto" eine eindeutige Erklärung elektronisch aus und senden Sie sie ab. Wir werden Ihnen unverzüglich eine Bestätigung über den Eingang eines solchen Widerrufs auf einem dauerhaften Datenträger (z. B. per E-Mail) übermitteln.
Um die Widerrufsfrist einzuhalten, reicht es aus, dass Sie Ihre Mitteilung über die Ausübung des Widerrufsrechts vor Ablauf der Widerrufsfrist absenden.
Auswirkungen des Widerrufs
Wenn Sie diesen Vertrag widerrufen, erstatten wir Ihnen alle Zahlungen, die wir von Ihnen erhalten haben, einschließlich der Lieferkosten (mit Ausnahme der zusätzlichen Kosten, die entstehen, wenn Sie eine andere Art der Lieferung als die von uns angebotene günstigste Standardlieferung gewählt haben).
Wir können einen Abzug von der Rückerstattung für den Wertverlust der gelieferten Waren vornehmen, wenn der Verlust auf eine unnötige Behandlung durch Sie zurückzuführen ist.
Wir werden die Rückerstattung unverzüglich und nicht später als 14 Tage nach dem Tag vornehmen, an dem wir über Ihre Entscheidung, diesen Vertrag zu widerrufen, informiert wurden.
Für die Rückerstattung verwenden wir dasselbe Zahlungsmittel, das Sie für die ursprüngliche Transaktion verwendet haben, es sei denn, Sie haben ausdrücklich etwas anderes vereinbart; in keinem Fall werden Ihnen aufgrund einer solchen Rückerstattung Gebühren berechnet.
Wir können die Rückzahlung verweigern, bis wir die Waren wieder zurückerhalten haben oder Sie den Nachweis erbracht haben, dass Sie die Waren zurückgesandt haben, je nachdem, was eher eintritt.
Sie müssen die Waren unverzüglich und in jedem Fall spätestens 14 Tage ab dem Tag, an dem Sie uns über den Widerruf dieses Vertrags unterrichten, an Rarewaves.com USA, Unit 144 The Lightbox, 111 Power Road, W4 5PY, London, London, United Kingdom, zurücksenden oder übergeben. Die Frist ist eingehalten, wenn Sie die Ware vor Ablauf der Frist von 14 Tagen zurücksenden. Sie müssen die direkten Kosten der Rücksendung der Waren tragen. Sie haften nur für einen etwaigen Wertverlust der Waren, der auf eine Behandlung zurückzuführen ist, die nicht zur Prüfung der Art, Eigenschaften und Funktionsweise der Waren erforderlich ist.
Ausnahmen vom Widerrufsrecht
Das Widerrufsrecht gilt nicht für:
- Die Lieferung von Zeitungen, Zeitschriften oder Magazinen mit Ausnahme von Abonnementverträgen; und
- Die Lieferung digitaler Inhalte, die nicht auf einem physischen Medium (z. B. auf einer CD oder DVD) geliefert werden, wenn Sie bei Ihrer Bestellung akzeptiert haben, dass wir mit der Lieferung beginnen können und dass Sie nach Beginn der Lieferung den Vertrag nicht mehr widerrufen können.
Versandbedingungen
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.