A Deep Learning with Keras Workshop: Tanulja meg, hogyan definiáljon és képezzen neurális hálózati modelleket mindössze néhány sornyi kóddal

Olvasói vélemények

A „The Deep Learning with Keras Workshop” című könyvet azért dicsérik, mert egy gyakorlatias, gyakorlatias forrás, amely hatékonyan tanítja meg a felhasználókat arra, hogyan építsenek neurális hálózatokat a Keras és a TensorFlow segítségével. A kezdők számára is hozzáférhető, ugyanakkor a gépi tanulásban és a Pythonban némi előismerettel rendelkezők számára is értékes. A könyv jól strukturált, világos magyarázatokat kínál, és számos kódpéldát és vizualizációt tartalmaz.

⬤ Kézzelfogható, gyakorlatias megközelítés, világos, lépésről lépésre követhető utasításokkal.
⬤ Jól felépített, egymásra épülő fejezetek.
⬤ Könnyen érthető, jó vizualizációval és kódpéldákkal.
⬤ A mélytanulás alapvető aspektusait tárgyalja, beleértve az adatok előfeldolgozását és a modellek kiértékelését.
⬤ Kezdők számára is hozzáférhető, és értékes a már gyakorlattal rendelkezők számára is.

⬤ A Python és a lineáris algebra némi előzetes ismerete ajánlott.
⬤ Lehet, hogy nem terjed ki a mélyreható matematikai elméletekre, ami a tapasztaltabb olvasókat részletesebb tárgyalásra késztetheti.

(8 olvasói vélemény alapján)

Eredeti címe:

The Deep Learning with Keras Workshop: Learn how to define and train neural network models with just a few lines of code

Könyv tartalma:

Fedezze fel, hogyan használhatja ki a Keras-t, a nagy teljesítményű és könnyen használható nyílt forráskódú Python könyvtárat a mély tanulási modellek fejlesztéséhez és értékeléséhez

Főbb jellemzők

⬤ Tanuljon megbarátkozni a különböző modellértékelési metrikákkal, beleértve az érzékenységet, a specificitást és az AUC-pontszámokat.

⬤ Tárja fel az olyan fejlett fogalmakat, mint a szekvenciális memória és a szekvenciális modellezés.

⬤ Elősítse készségeit valós fejlesztésekkel, screencastokkal és tudásellenőrzésekkel.

Könyv leírása

Az új tapasztalatok megfélemlítőek lehetnek, de ez nem Ez a mélytanulásról szóló kezdő útmutató segít abban, hogy a semmiből fedezze fel a mélytanulást a Keras segítségével, és máris útra keljen élete első neurális hálózatainak képzéséhez.

Ami a Kerast megkülönbözteti más mélytanulási keretrendszerektől, az az egyszerűsége. Több mint kétszázezer felhasználóval a Keras minden más mélytanulási keretrendszernél nagyobb elfogadottsággal rendelkezik az iparban és a kutatói közösségben.

A Deep Learning with Keras Workshop a gépi tanulás alapvető fogalmainak megismerésével kezdődik a scikit-learn csomag segítségével. Miután megtanultad, hogyan kell elvégezni a neurális hálózatok építéséhez szükséges lineáris transzformációkat, megépíted első neurális hálózatodat a Keras könyvtárral. Ahogy haladsz előre, megtanulod, hogyan építs többrétegű neurális hálózatokat, és hogyan ismerd fel, ha a modelled alul- vagy túlilleszkedik a képzési adatokhoz. Gyakorlati gyakorlatok segítségével megtanulod, hogyan használj keresztellenőrzési technikákat a modelljeid értékelésére, majd az optimális hiperparaméterek kiválasztásával finomhangolhatod a teljesítményüket. Végül felfedezi a rekurrens neurális hálózatokat, és megtanulja, hogyan képezheti ki őket értékek előrejelzésére szekvenciális adatokban.

A könyv végére elsajátíthatja azokat a készségeket, amelyekkel magabiztosan képezheti saját neurális hálózati modelljeit.

Amit tanulni fog

⬤ Bepillantást nyerhet a neurális hálózatok alapjaiba.

⬤ Megérti a gépi tanulás korlátait, és azt, hogy miben különbözik a mélytanulástól.

⬤ Képosztályozók építése konvolúciós neurális hálózatokkal.

⬤ Értékesítse, finomítsa és javítsa modelljeit olyan technikákkal, mint a kereszt-validálás.

⬤ Elkészítsen előrejelzési modelleket az adatminták felismeréséhez és előrejelzések készítéséhez.

⬤ A modell pontosságának javítása L1, L2 és kiesés-szabályozással.

Kinek szól ez a könyv

Ha ismeri az adattudomány és a gépi tanulás alapjait, és szeretne belekezdeni a fejlett gépi tanulási technológiákba, például a mesterséges neurális hálózatokba és a mélytanulásba, akkor ez a könyv Önnek szól. A mélytanulásról szóló könyvben elmagyarázott fogalmak hatékonyabb megértéséhez elengedhetetlen a Python programozásban való előzetes tapasztalat, valamint némi ismeret a statisztikában és a logisztikus regresszióban.