Learning Tensorflow: Przewodnik po budowaniu systemów głębokiego uczenia się

Opinie czytelników

Książka „Learning TensorFlow” otrzymuje mieszane recenzje, przy czym niektórzy czytelnicy doceniają jej jasne wyjaśnienia i praktyczne przykłady, podczas gdy inni krytykują ją za to, że jest słabo napisana, brakuje jej głębi i jest zbyt podobna do dostępnej dokumentacji online. Wielu uznało ją za pomocną dla początkujących z wcześniejszą wiedzą programistyczną, podczas gdy inni uważają, że jest przestarzała lub niewystarczająca do prawdziwej nauki.

⬤ W doskonałym stanie.
⬤ Dobra dla osób z pewnym doświadczeniem w Pythonie, które chcą nauczyć się podstaw TensorFlow.
⬤ Obejmuje ważne aspekty, takie jak potoki wejściowe, wątkowanie i obliczenia rozproszone.
⬤ Zawiera praktyczne przykłady, które można połączyć w projekty.
⬤ Przejrzyste objaśnienia i dobra struktura w większości przypadków.

⬤ Niektóre recenzje opisują ją jako słabo napisaną i zredagowaną.
⬤ Brak dogłębnych wyjaśnień i kontekstu dla początkujących.
⬤ Zawiera wiele treści, które można znaleźć w Internecie, przez co wydaje się zbędna.
⬤ Krytyka za to, że nie jest to kompleksowy przewodnik i za korzystanie z popularnych zestawów danych (MNIST, CIFAR).
⬤ Niektórzy użytkownicy uważają, że potrzeba więcej kontekstu i materiałów na zaawansowane tematy.

(na podstawie 35 opinii czytelników)

Oryginalny tytuł:

Learning Tensorflow: A Guide to Building Deep Learning Systems

Zawartość książki:

Z grubsza inspirowane ludzkim mózgiem, głębokie sieci neuronowe trenowane na dużych ilościach danych mogą rozwiązywać złożone zadania z niespotykaną dotąd dokładnością. Ta praktyczna książka stanowi kompleksowy przewodnik po TensorFlow, wiodącej bibliotece oprogramowania typu open source, która pomaga budować i trenować sieci neuronowe do wizji komputerowej, przetwarzania języka naturalnego (NLP), rozpoznawania mowy i ogólnej analizy predykcyjnej.

Autorzy Tom Hope, Yehezkel Resheff i Itay Lieder zapewniają praktyczne podejście do podstaw TensorFlow dla szerokiego grona odbiorców technicznych, od naukowców zajmujących się danymi i inżynierów po studentów i badaczy. Zaczniesz od pracy z kilkoma podstawowymi przykładami w TensorFlow, a następnie zagłębisz się w takie tematy, jak architektury sieci neuronowych, wizualizacja TensorBoard, biblioteki abstrakcji TensorFlow i wielowątkowe potoki wejściowe. Po ukończeniu tej książki będziesz wiedział, jak budować i wdrażać gotowe do produkcji systemy głębokiego uczenia w TensorFlow.

⬤ Szybkie i bezbolesne rozpoczęcie pracy z TensorFlow.

⬤ Dowiesz się, jak używać TensorFlow do budowania modeli głębokiego uczenia od podstaw.

⬤ Trenuj popularne modele głębokiego uczenia dla wizji komputerowej i NLP.

⬤ Korzystaj z rozbudowanych bibliotek abstrakcji, aby ułatwić i przyspieszyć programowanie.

⬤ Dowiedz się, jak skalować TensorFlow i używać klastrów do dystrybucji uczenia modeli.

⬤ Wdrożyć TensorFlow w środowisku produkcyjnym.