Opinie czytelników
Podsumowanie:Książka stanowi cenne źródło wiedzy zarówno dla początkujących, jak i zaawansowanych użytkowników w dziedzinie głębokiego uczenia, w szczególności przy użyciu TensorFlow 2.0. Zawiera jasne wyjaśnienia i praktyczne przykłady, dzięki czemu jest odpowiednia dla osób przechodzących z innych środowisk technicznych, takich jak inżynieria danych. Można jednak narzekać na niską jakość druku.
Zalety:⬤ Kompleksowe omówienie podstaw głębokiego uczenia i zaawansowanych tematów, jasne wyjaśnienia, praktyczne przykłady z wykorzystaniem TensorFlow
⬤ 0, przydatne zarówno do nauki, jak i szybkiego odniesienia, i odpowiednie dla użytkowników z pewnym zapleczem technicznym.
Wady:Zgłoszono niską jakość druku.
(na podstawie 3 opinii czytelników)
Oryginalny tytuł:
Tensorflow 2.X in the Colaboratory Cloud: An Introduction to Deep Learning on Google's Cloud Service
Zawartość książki:
Użyj TensorFlow 2.x z produktem Google Colaboratory (Colab), który oferuje bezpłatną usługę w chmurze dla programistów Pythona. Colab szczególnie dobrze nadaje się jako platforma dla aplikacji głębokiego uczenia TensorFlow 2.x. Zapoznasz się z domyślną instalacją najnowszej wersji TensorFlow 2.x oraz łatwym dostępem Colab do sprzętowej akceleracji GPU w chmurze w celu szybkiego wykonywania modeli głębokiego uczenia. Ta książka oferuje możliwość zrozumienia głębokiego uczenia się w sposób praktyczny, a jedynym wymaganiem jest połączenie z Internetem. Wszystko inne - Python, TensorFlow 2.x, obsługa GPU i Jupyter Notebooks - jest dostarczane i gotowe do użycia przez firmę Colab.
Książka rozpoczyna się od wprowadzenia do TensorFlow 2.x i usługi chmurowej Google Colab. Dowiesz się, jak utworzyć przestrzeń roboczą w Google Colab i zbudować prostą aplikację sieci neuronowej. Następnie przejdziesz do zestawów danych TensorFlow i budowania potoków wejściowych wspierających modelowanie i testowanie. Znajdziesz tu omówienie klasyfikacji i regresji głębokiego uczenia się, z jasnymi przykładami kodu pokazującymi, jak wykonać każdą z tych funkcji. Zaawansowane tematy poruszane w książce obejmują konwolucyjne sieci neuronowe i rekurencyjne sieci neuronowe.
Ta książka zawiera całą matematykę stosowaną i programowanie potrzebne do opanowania treści. Przykłady wahają się od prostych do stosunkowo złożonych, gdy jest to konieczne, aby zapewnić nabycie odpowiednich koncepcji i konstrukcji głębokiego uczenia się. Przykłady są starannie wyjaśnione, zwięzłe, dokładne i kompletne, aby doskonale uzupełniać rozwój umiejętności głębokiego uczenia się. Zadbano o to, aby przeprowadzić cię przez podstawowe zasady głębokiego uczenia się za pomocą jasnych przykładów napisanych w Pythonie, które możesz wypróbować i eksperymentować z Google Colab w zaciszu własnego domu lub biura.
Czego się nauczysz
⬤ Zaznajomić się z podstawowymi pojęciami i konstrukcjami stosowanego uczenia głębokiego.
⬤ Tworzyć modele uczenia maszynowego za pomocą czystego i niezawodnego kodu Python.
⬤ Pracować z zestawami danych typowymi dla aplikacji głębokiego uczenia.
⬤ Przygotować dane do wykorzystania przez TensorFlow.
⬤ Skorzystaj z wbudowanego wsparcia Google Colab dla głębokiego uczenia.
⬤ Wykonywać eksperymenty głębokiego uczenia przy użyciu różnych modeli sieci neuronowych.
⬤ Możliwość zamontowania Google Colab bezpośrednio na koncie Google Drive.
⬤ Wizualizacja wyników treningu i testu w celu sprawdzenia dopasowania modelu.
Dla kogo jest ta książka
Czytelnicy, którzy chcą nauczyć się bardzo popularnej platformy głębokiego uczenia TensorFlow 2.x, ci, którzy chcą opanować podstawy głębokiego uczenia się, które czasami są pomijane w pośpiechu, aby być produktywnym, oraz ci, którzy chcą budować kompetencje za pomocą nowoczesnego narzędzia usług w chmurze, takiego jak Google Colab.
