Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Pro Deep Learning with Tensorflow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python
Ta książka opiera się na podstawach ustanowionych w jej pierwszym wydaniu, ze zaktualizowanymi rozdziałami i najnowszymi implementacjami kodu, aby dostosować ją do Tensorflow 2.0.
Pro Deep Learning with TensorFlow 2.0 rozpoczyna się od matematycznych i technicznych podstaw głębokiego uczenia się. Następnie dowiesz się o konwolucyjnych sieciach neuronowych, w tym o nowych metodach konwolucyjnych, takich jak rozszerzona konwolucja, rozdzielna konwolucja głębokościowa i ich implementacja. Następnie zdobędziesz wiedzę na temat przetwarzania języka naturalnego w zaawansowanych architekturach sieciowych, takich jak transformatory i różne mechanizmy uwagi istotne dla przetwarzania języka naturalnego i ogólnie sieci neuronowych. W miarę postępów w książce będziesz badać ramy uczenia się bez nadzoru, które odzwierciedlają obecny stan metod głębokiego uczenia się, takich jak autoenkodery i wariacyjne autoenkodery. Ostatni rozdział obejmuje zaawansowany temat generatywnych sieci przeciwstawnych i ich wariantów, takich jak spójne cyklicznie sieci GAN i techniki grafowych sieci neuronowych, takie jak sieci uwagi grafu i GraphSAGE.
Po ukończeniu tej książki zrozumiesz podstawy matematyczne i koncepcje głębokiego uczenia się oraz będziesz w stanie wykorzystać przedstawione prototypy do tworzenia nowych aplikacji głębokiego uczenia się.
Czego się nauczysz
⬤ Zrozumieć w pełni głębokie uczenie przy użyciu TensorFlow 2.0.
⬤ Zrozumieć matematyczne podstawy głębokiego uczenia.
⬤ Wdrożyć złożone rozwiązania głębokiego uczenia w produkcji przy użyciu TensorFlow 2.0.
⬤ Zrozumienie generatywnych sieci przeciwstawnych, sieci uwagi grafu i GraphSAGE.
Dla kogo jest ta książka:
Naukowcy zajmujący się danymi i uczeniem maszynowym, programiści, studenci i entuzjaści open source.
