Oryginalny tytuł:
Deep Learning For Beginners: 2 Manuscripts: Deep Learning For Beginners And Data Science From Scratch
Zawartość książki:
2 książki w 1 Jest to pakiet dwóch książek, które odniosły sukces na rynku.
Książka 1: W "Deep Learning for Beginners: Kompleksowe wprowadzenie do podstaw głębokiego uczenia dla początkujących, aby z łatwością zrozumieć frameworki, sieci neuronowe, duże zbiory danych i kreatywne aplikacje" dowiesz się:
⬤ Głębokie uczenie wykorzystuje frameworki, które pozwalają ludziom rozwijać narzędzia, które są w stanie zaoferować lepszą abstrakcję, wraz z uproszczeniem trudnych zagadnień programistycznych. TensorFlow jest najpopularniejszym narzędziem i jest używany przez korporacyjnych gigantów, takich jak Airbus, Twitter, a nawet Google.
⬤ Książka ilustruje TensorFlow i Caffe2 jako główne frameworki wykorzystywane do rozwoju przez Google i Facebook. Facebook ilustruje Caffe2 jako jeden z lekkich i modułowych frameworków głębokiego uczenia, choć TensorFlow jest najpopularniejszy, biorąc pod uwagę jego dużą popularność, a tym samym duże forum, które pozwala na pomoc w głównych problemach.
⬤ W książce omówiono kilka komponentów i narzędzi głębokiego uczenia, takich jak sieci neuronowe; CNN, RNN, GAN i autoenkodery. Algorytmy te tworzą bloki konstrukcyjne, które napędzają głębokie uczenie i rozwijają je.
⬤ W książce uwzględniono również kilka zastosowań, w tym chatboty i wirtualnych asystentów, które stały się głównym celem głębokiego uczenia się w przyszłości, ponieważ stanowią kolejną granicę w gromadzeniu informacji i łączności. Przedstawiono tu również Internet przedmiotów, ponieważ głębokie uczenie pozwala na integrację różnych systemów za pośrednictwem systemu sztucznej inteligencji, który jest już wykorzystywany w funkcjach domowych i samochodowych.
⬤ I wiele więcej...
Książka 2: W "Data Science from Scratch: The #1 Data Science Guide for Everything A Data Scientist Needs to Know: Python, algebra liniowa, statystyka, kodowanie, aplikacje, sieci neuronowe i drzewa decyzyjne" dowiesz się:
⬤ dogłębne informacje na temat tego, czym jest nauka o danych i dlaczego jest ważna.
⬤ Wymagania wstępne potrzebne do rozpoczęcia nauki o danych.
⬤ Co to znaczy być naukowcem zajmującym się danymi.
⬤ Rola hakowania i kodowania w nauce o danych.
⬤ Różne języki kodowania, które mogą być używane w nauce o danych.
⬤ Dlaczego Python jest tak ważny.
⬤ Jak korzystać z algebry liniowej i statystyki.
⬤ Różne zastosowania nauki o danych.
⬤ Jak pracować z danymi poprzez odgrzybianie i czyszczenie.
⬤ I wiele więcej...
Książki te zawierają sprawdzone koncepcje i strategie dla osób, które chcą dowiedzieć się więcej o głębokim uczeniu się i pracy z danymi. Po przeczytaniu tego pakietu będziesz w stanie wybrać odpowiedni rodzaj architektury, jak zbudować system, który może się uczyć, jak go wytrenować, a następnie jak wykorzystać go do osiągnięcia swoich celów.
Zdobądź kopię tych fantastycznych przewodników, aby opanować najnowocześniejsze algorytmy głębokiego uczenia się i ich implementację.
