Utvikle Bayesianske Dype Læringmodeller for å gjøre dine egne applikasjoner mer robuste. Denne boken gir deg verdifulle innsikter i begrensningene ved typiske nevrale nettverk, og gir deg ferdighetene som er nødvendige for å dyrke nevrale nettverk i stand til å estimere usikkerhet. Du vil lære hvordan du kan utnytte usikkerhet for å utvikle mer robuste maskinlæringssystemer. Dyp læring har en stadig viktigere innvirkning på livene våre, fra innholdsanbefalinger til å spille en avgjørende rolle i applikasjoner der sikkerhet er kritisk. Etter hvert som innflytelsen fra disse algoritmene øker, vokser også bekymringen for sikkerheten og robustheten til systemene som er avhengige av dem. Enkelt sagt, typiske metoder innen dyp læring er ikke i stand til å identifisere når de mangler informasjon. Feltet for Bayesiansk Dyp Læring inneholder en rekke metoder for tilnærmet Bayesiansk inferens med dype nettverk. Disse metodene bidrar til å forbedre robustheten til dyp læring-systemer ved å informere oss om hvor sikre de er i sine prediksjoner, noe som gir oss anledning til å ta mer informerte beslutninger.
