Opinie czytelników
Podsumowanie:Książka dr Paper oferuje kompleksowy przegląd głębokiego uczenia się, obejmujący zarówno podstawowe, jak i zaawansowane tematy, ze szczególnym uwzględnieniem TensorFlow 2.0. Jest chwalona za przejrzystość, szczegółowe wyjaśnienia i praktyczne zastosowanie w rzeczywistych implementacjach, co czyni ją cennym źródłem do nauki i odświeżania wiedzy w zakresie głębokiego uczenia się i uczenia maszynowego.
Zalety:⬤ Przejrzyste i szczegółowe wyjaśnienia, obejmuje szeroki zakres tematów, doskonały zarówno dla początkujących, jak i zaawansowanych użytkowników, zapewnia praktyczne doświadczenie, służy jako szybkie odniesienie do technik, silny nacisk na TensorFlow
⬤ 0, wysoce zalecany do praktycznych wdrożeń.
Wady:Recenzja nie wymienia żadnych znaczących wad, ale może sugerować, że złożoność samego głębokiego uczenia się może stanowić wyzwanie, chociaż książka stara się temu zaradzić.
(na podstawie 1 opinii czytelników)
Oryginalny tytuł:
State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem
Zawartość książki:
1. Tworzenie potoków danych wejściowych TensorFlow2.
Zwiększanie różnorodności zbioru danych dzięki rozszerzaniu danych3. Zestawy danych TensorFlow4. Głębokie uczenie z zestawami danych TensorFlow5.
Wprowadzenie do Tensor Processing Units6.
Proste uczenie transferowe z TensorFlow Hub7. Zaawansowane uczenie transferowe8.
Autoenkodery skumulowane9. Autoenkodery konwolucyjne i wariacyjne10. Generatywne sieci adwersarzy11.
Progresywnie rosnące generatywne sieci adwersarzy12. Szybki transfer stylu13. Wykrywanie obiektów14.
Wprowadzenie do uczenia ze wzmocnieniem.
