Ocena:
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.
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)
State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem
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.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)