Заключение

Вы закончили знакомство с основами глубокого обучения, поздравляем! Теперь вам известны базовые нейросетевые архитектуры для работы с табличными данными, последовательностями, временными рядами и изображениями; также вы изучили архитектуру автокодировщиков и сиамских сетей, имеющих широкие применения в ряде приложений.

Теперь вы знаете, как решать задачи классификации, регрессии, сегментации и детекции объектов с помощью нейросетей, а также как их настраивать и подвергать регуляризации, чтобы улучшить их обобщающую способность и избежать переобучения.

В будущем в учебник планируется дополнить материалами по другим популярным нейросетевым архитектурам, рассказать про обработку текстов и графов, так что оставайтесь на связи!

Для дальнейшего погружения в увлекательный мир нейросетей рекомендуем установить нейросетевую библиотеку PyTorch, изучить её документацию и github-реализации изученных архитектур, чтобы уже детально разобраться, как они работают.

Задачей учебника было познакомить вас с основными понятиями и задачами глубокого обучения, рассказать про базовые блоки, из которых строятся современные нейросетевые архитектуры. Чтобы узнать самые свежие инновации в области нейросетей, рекомендуем использовать сайт paperswithcode.com, на котором регулярно обновляются рейтинги самых точных методов глубокого обучения для разных приложений.

Желаем успехов!