Zaawansowane uczenie głębokie z Pythonem

Ocena:   (4,6 na 5)

Zaawansowane uczenie głębokie z Pythonem (Ivan Vasilev)

Opinie czytelników

Podsumowanie:

Książka „Advanced Deep Learning with Python” autorstwa Ivana Vasileva jest wysoko ceniona za dokładne i dogłębne zbadanie koncepcji głębokiego uczenia się, kładąc nacisk na podstawową matematykę i praktyczne zastosowania w Pythonie. Skierowana do czytelników z podstawami sztucznej inteligencji i uczenia maszynowego, obejmuje szeroki zakres tematów, w tym architektury sieci neuronowych, wizję komputerową, przetwarzanie języka naturalnego i nowe technologie. Chociaż książka jest kompleksowa i dobrze zorganizowana, jest polecana przede wszystkim tym, którzy mają już pewną wiedzę na ten temat.

Zalety:

Dogłębne omówienie koncepcji głębokiego uczenia.
Dobrze skonstruowane i jasne wyjaśnienia podstaw matematycznych.
Przystępne przykłady kodu Python dostępne na GitHub.
Niezależne rozdziały pozwalające skupić się na konkretnych tematach.
Cenna zarówno dla teoretycznego zrozumienia, jak i praktycznej implementacji.
Nadaje się do zaawansowanych zastosowań, takich jak GAN i NLP.
Świetne do nauki zawiłości sieci neuronowych i powiązanych algorytmów.

Wady:

Nie nadaje się dla zupełnie początkujących; zalecana jest wcześniejsza znajomość głębokiego uczenia.
Niektórzy czytelnicy mogą potrzebować biegłej znajomości języka Python, aby w pełni zaangażować się w przykłady kodu.
Niektórzy czytelnicy mogą uznać matematykę za wyzwanie, jeśli nie mają solidnych podstaw.
Książka może nie służyć jako samodzielne wprowadzenie dla osób niezaznajomionych z frameworkami głębokiego uczenia.

(na podstawie 23 opinii czytelników)

Oryginalny tytuł:

Advanced Deep Learning with Python

Zawartość książki:

Zdobądź doświadczenie w zaawansowanych dziedzinach głębokiego uczenia, takich jak sieci neuronowe, meta-uczenie, grafowe sieci neuronowe i sieci neuronowe z rozszerzoną pamięcią, korzystając z ekosystemu Pythona Kluczowe cechy Zapoznaj się z budowaniem szybszych i bardziej niezawodnych architektur głębokiego uczenia Zbadaj i trenuj modele konwolucyjnych sieci neuronowych (CNN) za pomocą bibliotek akcelerowanych przez GPU, takich jak TensorFlow i PyTorch Zastosuj głębokie sieci neuronowe (DNN) do problemów związanych z widzeniem komputerowym, NLP i GAN Opis książki

Aby zbudować solidne systemy głębokiego uczenia, musisz zrozumieć wszystko, od działania sieci neuronowych po trenowanie modeli CNN. W tej książce odkryjesz nowo opracowane modele głębokiego uczenia, metodologie stosowane w tej dziedzinie oraz ich implementację w oparciu o obszary zastosowań.

Zaczniesz od zrozumienia bloków konstrukcyjnych i matematyki stojącej za sieciami neuronowymi, a następnie przejdziesz do CNN i ich zaawansowanych zastosowań w wizji komputerowej. Nauczysz się także stosować najpopularniejsze architektury CNN w wykrywaniu obiektów i segmentacji obrazu. Następnie skupisz się na autoenkoderach wariacyjnych i sieciach GAN. Następnie wykorzystasz sieci neuronowe do wyodrębniania wyrafinowanych reprezentacji wektorowych słów, po czym przejdziesz do omówienia różnych typów sieci rekurencyjnych, takich jak LSTM i GRU. Poznasz nawet mechanizm uwagi do przetwarzania sekwencyjnych danych bez pomocy rekurencyjnych sieci neuronowych (RNN). Później użyjesz grafowych sieci neuronowych do przetwarzania ustrukturyzowanych danych, wraz z meta-uczeniem, które pozwala trenować sieci neuronowe z mniejszą liczbą próbek treningowych. Wreszcie, zrozumiesz, jak zastosować głębokie uczenie się w autonomicznych pojazdach.

Pod koniec tej książki opanujesz kluczowe koncepcje głębokiego uczenia się i różne zastosowania modeli głębokiego uczenia się w świecie rzeczywistym. Czego się nauczysz Poznaj zaawansowane i najnowocześniejsze architektury sieci neuronowych Zrozum teorię i matematykę stojącą za sieciami neuronowymi Trenuj sieci DNN i stosuj je do współczesnych problemów związanych z głębokim uczeniem Wykorzystaj sieci CNN do wykrywania obiektów i segmentacji obrazów Zaimplementuj generatywne sieci przeciwstawne (GAN) i wariacyjne autoenkodery do generowania nowych obrazów Rozwiązuj zadania związane z przetwarzaniem języka naturalnego (NLP), takie jak tłumaczenie maszynowe, przy użyciu modeli sekwencja-sekwencja Zrozum techniki DL, takie jak metauczenie się i sieci neuronowe grafów Dla kogo jest ta książka?

Ta książka jest przeznaczona dla naukowców zajmujących się danymi, inżynierów i badaczy głębokiego uczenia się oraz programistów AI, którzy chcą pogłębić swoją wiedzę na temat głębokiego uczenia się i tworzyć innowacyjne i unikalne projekty głębokiego uczenia się. Każdy, kto chce zapoznać się z zaawansowanymi przypadkami użycia i metodologiami przyjętymi w domenie głębokiego uczenia się na rzeczywistych przykładach, również znajdzie tę książkę przydatną. Zakłada się podstawowe zrozumienie koncepcji głębokiego uczenia i praktyczną znajomość języka programowania Python. Spis treści Podstawy sieci neuronowych Zrozumienie sieci konwolucyjnych Zaawansowane sieci konwolucyjne Wykrywanie obiektów i segmentacja obrazów Modele generatywne Modelowanie języka Zrozumienie sieci rekurencyjnych Modele sekwencja-sekwencja i uwaga Nowe projekty sieci neuronowych Meta learning Głębokie uczenie dla pojazdów autonomicznych

Dodatkowe informacje o książce:

ISBN:9781789956177
Autor:
Wydawca:
Oprawa:Miękka oprawa

Zakup:

Obecnie dostępne, na stanie.

Inne książki autora:

Zaawansowane uczenie głębokie z Pythonem - Advanced Deep Learning with Python
Zdobądź doświadczenie w zaawansowanych dziedzinach głębokiego uczenia, takich jak...
Zaawansowane uczenie głębokie z Pythonem - Advanced Deep Learning with Python
Uczenie głębokie w Pythonie - wydanie drugie: Odkrywanie technik głębokiego uczenia i architektur...
Poznaj zaawansowane, najnowocześniejsze techniki...
Uczenie głębokie w Pythonie - wydanie drugie: Odkrywanie technik głębokiego uczenia i architektur sieci neuronowych za pomocą PyTorch, Keras i TensorFlow, wyd. 2 - Python Deep Learning - Second Edition: Exploring deep learning techniques and neural network architectures with PyTorch, Keras, and TensorFlow, 2nd Ed
Uczenie głębokie w Pythonie - wydanie trzecie: Zrozum, jak działają głębokie sieci neuronowe i...
Opanuj skuteczną nawigację po sieciach neuronowych,...
Uczenie głębokie w Pythonie - wydanie trzecie: Zrozum, jak działają głębokie sieci neuronowe i zastosuj je do rzeczywistych zadań - Python Deep Learning - Third Edition: Understand how deep neural networks work and apply them to real-world tasks

Prace autora wydały następujące wydawnictwa:

© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)