Opinie czytelników
Podsumowanie:Książka zawiera różnorodne techniki głębokiego uczenia się i jest szczególnie odpowiednia dla początkujących w Pythonie. Kładzie nacisk na zrozumienie koncepcji, a nie tylko kopiowanie kodu. Istnieją jednak poważne uwagi krytyczne dotyczące powtarzania informacji w całej serii, braku szczegółowych wyjaśnień kodu i niskiej jakości druku.
Zalety:Oferuje cenne spostrzeżenia i techniki uczenia się Pythona i głębokiego uczenia się, jest bardziej zrozumiały dla początkujących, zachęca do samowystarczalności w kodowaniu, zawiera ćwiczenia praktyczne i jest ogólnie przyjemny i łatwy do naśladowania.
Wady:Powtarzająca się treść w całej serii, brak szczegółowych wyjaśnień dla niektórych sekcji kodowania, słaba jakość druku (czarno-biały), a niektórzy czytelnicy uznali ją za mylącą z nieodpowiednią notacją i wyjaśnieniami.
(na podstawie 9 opinii czytelników)
Oryginalny tytuł:
Deep Learning Crash Course for Beginners with Python: Theory and Applications of Artificial Neural Networks, CNN, RNN, LSTM and Autoencoders using Ten
Zawartość książki:
Sztuczna inteligencja jest dziś na topie!
Chociaż może być trudno zrozumieć najnowsze osiągnięcia w dziedzinie sztucznej inteligencji, sprowadzają się one po prostu do dwóch najbardziej znanych rozwiązań: Machine Learning i Deep Learning. W 2020 roku Deep Learning jest o ligę do przodu ze względu na swoją przewagę, jeśli chodzi o dokładność, zwłaszcza gdy jest trenowany z ogromną ilością danych. Deep Learning jest zasadniczo podzbiorem Machine Learning, ale jest w stanie osiągnąć ogromną moc i elastyczność. A era technologii Big Data stwarza ogromne możliwości dla niesamowitych innowacji w uczeniu głębokim.
Czym różni się ta książka?
Ta książka przywiązuje równą wagę do teoretycznych, jak i praktycznych aspektów głębokiego uczenia. Zrozumiesz, jak działają wysokowydajne algorytmy głębokiego uczenia. W każdym rozdziale, po teoretycznym wyjaśnieniu różnych rodzajów technik głębokiego uczenia się, następują praktyczne przykłady. Dowiesz się, jak zaimplementować różne techniki uczenia głębokiego przy użyciu biblioteki TensorFlow Keras dla Pythona. Każdy rozdział zawiera ćwiczenia, które można wykorzystać do oceny zrozumienia pojęć wyjaśnionych w danym rozdziale. Ponadto w zasobach znajduje się notatnik Python dla każdego rozdziału. Kluczową zaletą zakupu tej książki jest natychmiastowy dostęp do wszystkich dodatkowych treści przedstawionych w tej książce - kodów Pythona, odniesień, ćwiczeń i plików PDF - na stronie internetowej wydawcy. Nie musisz wydawać ani centa więcej. Zbiory danych używane w tej książce są pobierane w czasie wykonywania lub są dostępne w folderze Resources/Datasets.
Kolejną zaletą jest szczegółowe wyjaśnienie kroków instalacji oprogramowania, które będzie potrzebne do wdrożenia różnych algorytmów głębokiego uczenia się w tej książce. Oznacza to, że możesz eksperymentować z praktycznymi aspektami głębokiego uczenia się już od strony 1. Nawet jeśli jesteś nowicjuszem w Pythonie, niezwykle przydatny okaże się szybki kurs języka programowania Python w pierwszym rozdziale. Ponieważ wszystkie kody i zestawy danych są dołączone do tej książki, do rozpoczęcia pracy potrzebny jest tylko dostęp do komputera z Internetem.
Omawiane tematy obejmują
⬤ Szybki kurs Pythona.
⬤ Wymagania wstępne do głębokiej nauki: Regresja liniowa i logistyczna.
⬤ Sieci neuronowe od podstaw w Pythonie.
⬤ Wprowadzenie do TensorFlow i Keras.
⬤ Konwolucyjne sieci neuronowe.
⬤ Klasyfikacja sekwencji za pomocą rekurencyjnych sieci neuronowych.
⬤ Głębokie uczenie dla przetwarzania języka naturalnego.
⬤ Nienadzorowane uczenie z wykorzystaniem autoenkoderów.
⬤ Odpowiedzi do wszystkich ćwiczeń.
Kliknij przycisk KUP i pobierz książkę już teraz, aby rozpocząć swoją przygodę z Deep Learning.
