A mélytanuló építész kézikönyve: A legújabb Python-technikák felhasználásával gyártásra kész DL-megoldások építése és telepítése

Olvasói vélemények

A könyv átfogó útmutató a mélytanuláshoz, amely kitér az alapvető architektúrákra, a fejlett technikákra, a modellértékelésre, az elfogultságra és a méltányosságra, valamint a valós alkalmazási gyakorlatokra. A könyv jól körülhatárolt szakaszokra tagolódik, így a kezdők és a tapasztalt szakemberek számára egyaránt hozzáférhető. A gyakorlati példák és a kísérő kód jelentősen fokozza a tanulási élményt.

Alapos megértést nyújt a mélytanulási módszertanokról, gyakorlati betekintést nyújt a modellépítésbe és a telepítésbe, kiváló illusztrációkat, gazdag tartalmat nyújt az elfogultságról és a méltányosságról, strukturált elrendezést a könnyű megértés érdekében, gyakorlati gyakorlatokat kínál Python nyelvű kódpéldákkal, és különböző szakértői szinteket szolgál ki.

Egyes olvasók számára bizonyos összetett témák még mindig kihívást jelenthetnek, és bár a könyv széles témakört ölel fel, a nagyon speciális ismereteket keresőknek további forrásokhoz kell fordulniuk.

(10 olvasói vélemény alapján)

Eredeti címe:

The Deep Learning Architect's Handbook: Build and deploy production-ready DL solutions leveraging the latest Python techniques

Könyv tartalma:

Használja ki a mélytanulás erejét a termelékenység és a hatékonyság növelése érdekében ennek a gyakorlati útmutatónak a segítségével, amely a teljes mélytanulási életciklus technikáit és legjobb gyakorlatait tartalmazza.

Főbb jellemzők: Értelmezze a modellek döntéshozatali folyamatát, biztosítva az átláthatóságot és a bizalmat a mesterséges intelligenciával támogatott megoldásai iránt Szerezzen gyakorlati tapasztalatot a mélytanulás életciklusának minden egyes lépésében Fedezze fel a DL-modellek telepítésének esettanulmányait és megoldásait, miközben foglalkozik a skálázhatósággal, az adatok eltolódásával és az etikai megfontolásokkal A nyomtatott vagy Kindle könyv megvásárlása egy ingyenes PDF e-könyvet is tartalmaz.

A könyv leírása: A könyvben található könyv a következő könyvekből áll: A könyvben található könyv a következő könyvekből áll: A könyv leírása:

A mélytanulás korábban elérhetetlen teljesítményeket tesz lehetővé az automatizálásban, de a valós üzleti érték kinyerése belőle ijesztő feladat. Ez a könyv megtanítja, hogyan építsen komplex mélytanulási modelleket, és hogyan szerezzen intuíciót az adatok strukturálásához a mélytanulási célok elérése érdekében.

Ez a mélytanulási könyv a mélytanulás életciklusának minden aspektusát feltárja, a tervezéstől és az adatelőkészítéstől a modellek telepítéséig és az irányításig, olyan valós forgatókönyvek segítségével, amelyek végigvezetik Önt a fejlett megoldások létrehozásán, telepítésén és kezelésén. Megtanulja továbbá, hogyan dolgozzon kép-, hang-, szöveg- és videóadatokkal mélytanulási architektúrák segítségével, valamint hogyan optimalizálja és értékelje objektíven mélytanulási modelljeit, hogy olyan kérdésekkel foglalkozzon, mint az elfogultság, a tisztességesség, az ellenséges támadások és a modell átláthatósága.

Ahogy haladsz előre, kihasználod az AI-platformok erejét a mélytanulás életciklusának egyszerűsítése érdekében, és olyan Python könyvtárakat és keretrendszereket használsz, mint a PyTorch, ONNX, Catalyst, MLFlow, Captum, Nvidia Triton, Prometheus és Grafana, hogy hatékony mélytanulási architektúrákat hajts végre, optimalizáld a modellek teljesítményét és egyszerűsítsd a telepítési folyamatokat. Emellett felfedezheti a nagyméretű nyelvi modellekben (LLM) rejlő átalakító potenciált az alkalmazások széles skáláján.

A könyv végére elsajátíthatja a mélytanulási technikákat, hogy a mélytanulásban rejlő lehetőségeket teljes mértékben kiaknázhassa törekvései számára.

Mit fogsz tanulni: A neurális architektúra keresés (NAS) használata a mesterséges neurális hálózatok (ANN-ok) tervezésének automatizálására Rekurrens neurális hálózatok (RNN-ek), konvolúciós neurális hálózatok (CNN-ek), BERT, transzformátorok és egyéb eszközök alkalmazása a modell felépítéséhez A multimodális adatok sodródásának kezelése termelési környezetben A modellek minőségének és torzításának értékelése A modell védelmére szolgáló technikák felfedezése a támadói támadásoktól A modell DataRobot AutoML segítségével történő telepítésének elsajátítása.

Kinek szól ez a könyv:

Ez a könyv a mélytanulással foglalkozó szakembereknek, adattudósoknak és gépi tanulás fejlesztőknek szól, akik mélytanulási architektúrákat szeretnének felfedezni komplex üzleti problémák megoldására. A tágabb értelemben vett mélytanulással és mesterséges intelligenciával foglalkozó szakemberek is profitálhatnak a közölt, számos üzleti felhasználási esetre alkalmazható meglátásokból. A könyvvel való ismerkedéshez Python programozással kapcsolatos munkatudás és a mélytanulási technikák alapvető ismerete szükséges.