Uczenie głębokie z Pythonem

Opinie czytelników

Książka jest wysoko ceniona jako doskonałe wprowadzenie do głębokiego uczenia się, szczególnie odpowiednie dla czytelników z podstawowymi umiejętnościami programistycznymi. Jest chwalona za jasne wyjaśnienia, praktyczne ukierunkowanie i efektywne wykorzystanie biblioteki Keras. Niektórzy czytelnicy zauważyli jednak problemy z fizyczną jakością książki i brakiem głębi w niektórych obszarach, szczególnie dla tych, którzy szukają bardziej rygorystycznych szczegółów matematycznych.

⬤ Jasne i zwięzłe wyjaśnienia koncepcji głębokiego uczenia.
⬤ Praktyczne podejście z przykładami kodu wykorzystującymi Keras.
⬤ Odpowiednia dla początkujących z umiejętnościami programowania.
⬤ Dobre pokrycie krajobrazu głębokiego uczenia się.
⬤ Spostrzeżenia autora wynikające z jego doświadczenia w dziedzinie sztucznej inteligencji.
⬤ Wciągający styl pisania, który sprawia, że złożone tematy stają się przystępne.

⬤ Problemy z jakością fizyczną, w tym błędy w druku i problemy z oprawą.
⬤ Niektórzy czytelnicy uważają, że brakuje głębi w wyjaśnieniach matematycznych.
⬤ Praktyczne ukierunkowanie, które może nie zadowolić tych, którzy szukają teoretycznego tekstu na poziomie magisterskim.
⬤ Niektóre konfiguracje techniczne (np. konfiguracje GPU) mogą być przestarzałe lub trudne.
⬤ Sporadyczne niejasności w wyjaśnieniach, prowadzące do trudności w zrozumieniu.

(na podstawie 374 opinii czytelników)

Oryginalny tytuł:

Deep Learning with Python

Zawartość książki:

Streszczenie

Deep Learning with Python wprowadza w dziedzinę głębokiego uczenia się przy użyciu języka Python i potężnej biblioteki Keras. Napisana przez twórcę Keras i badacza Google AI Fran ois Chollet, książka ta buduje zrozumienie poprzez intuicyjne wyjaśnienia i praktyczne przykłady.

Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.

O technologii

Uczenie maszynowe poczyniło w ostatnich latach niezwykłe postępy. Przeszliśmy od prawie bezużytecznego rozpoznawania mowy i obrazu do dokładności zbliżonej do ludzkiej. Przeszliśmy od maszyn, które nie były w stanie pokonać poważnego gracza Go, do pokonania mistrza świata. Za tym postępem stoi głębokie uczenie się - połączenie postępów inżynieryjnych, najlepszych praktyk i teorii, które umożliwia bogactwo wcześniej niemożliwych inteligentnych aplikacji.

O książce

Deep Learning with Python wprowadza w dziedzinę głębokiego uczenia się przy użyciu języka Python i potężnej biblioteki Keras. Napisana przez twórcę Keras i badacza Google AI, Fran ois Cholleta, książka ta buduje zrozumienie poprzez intuicyjne wyjaśnienia i praktyczne przykłady. Poznasz wymagające koncepcje i przećwiczysz je z aplikacjami z zakresu wizji komputerowej, przetwarzania języka naturalnego i modeli generatywnych. Zanim skończysz, będziesz miał wiedzę i praktyczne umiejętności, aby zastosować głębokie uczenie się we własnych projektach.

What's Inside

⬤ Głębokie uczenie od podstaw.

⬤ Konfiguracja własnego środowiska głębokiego uczenia.

⬤ Modele klasyfikacji obrazów.

⬤ Głębokie uczenie dla tekstu i sekwencji.

⬤ Transfer stylów neuronowych, generowanie tekstu i generowanie obrazów.

O Czytelniku

Czytelnicy muszą posiadać średnio zaawansowaną znajomość języka Python. Wcześniejsze doświadczenie z Keras, TensorFlow lub uczeniem maszynowym nie jest wymagane.

O autorze

Fran ois Chollet pracuje nad głębokim uczeniem w Google w Mountain View w Kalifornii. Jest twórcą biblioteki głębokiego uczenia Keras, a także współtwórcą frameworka uczenia maszynowego TensorFlow. Prowadzi również badania nad uczeniem głębokim, koncentrując się na wizji komputerowej i zastosowaniu uczenia maszynowego do formalnego rozumowania. Jego artykuły były publikowane na najważniejszych konferencjach w tej dziedzinie, w tym na Conference on Computer Vision and Pattern Recognition (CVPR), Conference and Workshop on Neural Information Processing Systems (NIPS), International Conference on Learning Representations (ICLR) i innych.

Spis treści

CZĘŚĆ 1 - PODSTAWY GŁĘBOKIEGO UCZENIA.

⬤ Czym jest głębokie uczenie?

⬤ Zanim zaczniemy: matematyczne elementy składowe sieci neuronowych.

⬤ Rozpoczęcie pracy z sieciami neuronowymi.

⬤ Podstawy uczenia maszynowego.

CZĘŚĆ 2 - UCZENIE GŁĘBOKIE W PRAKTYCE.

⬤ Głębokie uczenie dla wizji komputerowej.

⬤ Głębokie uczenie dla tekstu i sekwencji.

⬤ Zaawansowane najlepsze praktyki głębokiego uczenia.

⬤ Głębokie uczenie generatywne.

⬤ Wnioski.

Dodatek A - Instalacja Keras i jego zależności na Ubuntu.

Dodatek B - Uruchamianie notatników Jupyter na instancji GPU EC2.