Principles and Labs for Deep Learning
Principles and Labs for Deep Learning dostarcza wiedzy i technik potrzebnych czytelnikom do projektowania i rozwijania modeli głębokiego uczenia. Techniki głębokiego uczenia są wprowadzane poprzez teorię, kompleksowo ilustrowane, wyjaśniane za pomocą przykładów kodu źródłowego TensorFlow i analizowane poprzez wizualizację wyników.
Ustrukturyzowane metody i laboratoria dostarczone przez dr Huanga i dr Le umożliwiają czytelnikom biegłe posługiwanie się TensorFlow w celu tworzenia głębokich konwolucyjnych sieci neuronowych (CNN) za pomocą niestandardowych interfejsów API, wysokopoziomowych interfejsów API Keras, aplikacji Keras i TensorFlow Hub. Każdy rozdział ma jedno odpowiadające mu laboratorium z instrukcjami krok po kroku, które pomagają czytelnikowi ćwiczyć i osiągać określone wyniki uczenia się. Uczenie głębokie zostało z powodzeniem zastosowane w różnych dziedzinach, takich jak wizja komputerowa, przetwarzanie dźwięku, robotyka, przetwarzanie języka naturalnego, bioinformatyka i chemia.
Ze względu na ogromny zakres wiedzy w Deep Learning, potrzeba dużo czasu, aby zrozumieć i wdrożyć przydatne, działające aplikacje, stąd znaczenie tego nowego zasobu. Zarówno lekcje teorii, jak i eksperymenty są zawarte w każdym rozdziale, aby wprowadzić techniki i zapewnić przykłady kodu źródłowego do ich praktycznego wykorzystania.
Wszystkie laboratoria dla tej książki są umieszczone na GitHub, aby ułatwić pobieranie. Książka została napisana w oparciu o założenie, że czytelnik zna podstawy programowania w języku Python i podstawy uczenia maszynowego.