Podręcznik architekta głębokiego uczenia: Twórz i wdrażaj gotowe do produkcji rozwiązania DL, wykorzystując najnowsze techniki Pythona

Opinie czytelników

Książka jest kompleksowym przewodnikiem po głębokim uczeniu się, obejmującym podstawowe architektury, zaawansowane techniki, ocenę modeli, stronniczość i uczciwość oraz praktyki wdrażania w świecie rzeczywistym. Jest ona podzielona na dobrze zdefiniowane sekcje, dzięki czemu jest dostępna zarówno dla nowicjuszy, jak i doświadczonych praktyków. Praktyczne przykłady i towarzyszący im kod znacznie zwiększają doświadczenie w nauce.

Oferuje dogłębne zrozumienie metodologii głębokiego uczenia się, praktyczny wgląd w tworzenie i wdrażanie modeli, doskonałe ilustracje, bogatą treść na temat stronniczości i uczciwości, uporządkowany układ ułatwiający zrozumienie, praktyczne ćwiczenia z przykładami kodu w Pythonie i jest dostosowany do różnych poziomów wiedzy.

Niektórzy czytelnicy mogą uznać, że niektóre złożone tematy nadal stanowią wyzwanie i chociaż obejmuje ona szeroki zakres tematów, osoby poszukujące bardzo specjalistycznej wiedzy mogą potrzebować dodatkowych zasobów.

(na podstawie 10 opinii czytelników)

Oryginalny tytuł:

The Deep Learning Architect's Handbook: Build and deploy production-ready DL solutions leveraging the latest Python techniques

Zawartość książki:

Wykorzystaj moc głębokiego uczenia się, aby zwiększyć produktywność i wydajność, korzystając z tego praktycznego przewodnika obejmującego techniki i najlepsze praktyki dla całego cyklu życia głębokiego uczenia się.

Kluczowe cechy: Zinterpretuj proces decyzyjny swoich modeli, zapewniając przejrzystość i zaufanie do rozwiązań opartych na sztucznej inteligencji Zdobądź praktyczne doświadczenie na każdym etapie cyklu życia uczenia głębokiego Poznaj studia przypadków i rozwiązania dotyczące wdrażania modeli DL przy jednoczesnym uwzględnieniu skalowalności, dryfu danych i kwestii etycznych Zakup książki drukowanej lub Kindle zawiera bezpłatny eBook PDF

Opis książki:

Głębokie uczenie umożliwia wcześniej nieosiągalne wyczyny w automatyzacji, ale wydobycie z niego rzeczywistej wartości biznesowej jest trudnym zadaniem. Ta książka nauczy Cię, jak budować złożone modele głębokiego uczenia się i zdobyć intuicję w zakresie strukturyzacji danych, aby osiągnąć cele głębokiego uczenia się.

Ta książka poświęcona głębokiemu uczeniu się bada każdy aspekt cyklu życia głębokiego uczenia się, od planowania i przygotowywania danych po wdrażanie modeli i zarządzanie nimi, wykorzystując rzeczywiste scenariusze, które przeprowadzą Cię przez tworzenie, wdrażanie i zarządzanie zaawansowanymi rozwiązaniami. Dowiesz się również, jak pracować z danymi obrazu, dźwięku, tekstu i wideo przy użyciu architektur głębokiego uczenia się, a także optymalizować i oceniać modele głębokiego uczenia się w sposób obiektywny, aby zająć się kwestiami takimi jak stronniczość, uczciwość, ataki przeciwników i przejrzystość modelu.

W miarę postępów wykorzystasz moc platform AI, aby usprawnić cykl życia głębokiego uczenia i wykorzystać biblioteki i frameworki Python, takie jak PyTorch, ONNX, Catalyst, MLFlow, Captum, Nvidia Triton, Prometheus i Grafana do wykonywania wydajnych architektur głębokiego uczenia, optymalizacji wydajności modeli i usprawnienia procesów wdrażania. Odkryjesz również potencjał transformacyjny dużych modeli językowych (LLM) dla szerokiej gamy aplikacji.

Pod koniec tej książki opanujesz techniki głębokiego uczenia się, aby uwolnić jego pełny potencjał w swoich przedsięwzięciach.

Czego się nauczysz: Korzystać z wyszukiwania architektury neuronowej (NAS) w celu zautomatyzowania projektowania sztucznych sieci neuronowych (ANN) Implementować rekurencyjne sieci neuronowe (RNN), konwolucyjne sieci neuronowe (CNN), BERT, transformatory i inne w celu zbudowania modelu Radzić sobie z wielomodalnym dryfem danych w środowisku produkcyjnym Oceniać jakość i stronniczość swoich modeli Eksplorować techniki ochrony modelu przed atakami przeciwników Zapoznać się z wdrażaniem modelu za pomocą DataRobot AutoML.

Dla kogo jest ta książka:

Ta książka jest przeznaczona dla praktyków głębokiego uczenia, analityków danych i programistów uczenia maszynowego, którzy chcą zbadać architektury głębokiego uczenia w celu rozwiązania złożonych problemów biznesowych. Specjaliści w dziedzinie głębokiego uczenia i sztucznej inteligencji również skorzystają z przedstawionych spostrzeżeń, mających zastosowanie w różnych przypadkach biznesowych. Do rozpoczęcia pracy z tą książką wymagana jest praktyczna znajomość programowania w języku Python i podstawowe zrozumienie technik głębokiego uczenia.