Deep Learning Cookbook: Gyakorlati receptek a gyors kezdéshez

Olvasói vélemények

A könyvet a mélytanulás gyakorlatias megközelítése miatt dicsérik, amely a programozás alapszintű ismereteivel rendelkezők számára is elérhetővé teszi az összetett témákat. A könyv különböző témákat tárgyal, többek között szövegosztályozást, képfeldolgozást és zeneelemzést, hasznos Python jegyzetfüzetek kíséretében. Van azonban néhány korlátja, például az, hogy fekete-fehér, és módosításokat igényel egyes mintakódok helyes működéséhez.

A mélytanulás témáinak széles skáláját öleli fel, gyakorlatias megközelítés, egyszerű ábrák, szórakoztató hangvétel, jól megírt, Python Notebooks kíséretében, és megosztott példák a GitHubon. Olyan egyedi tartalmakat tartalmaz, mint a zenei elemzés.

A fekete-fehér formátum nem biztos, hogy minden kimenethez ideális, néhány mintakódot módosítani kell a futtatás előtt, és nem foglalkozik a mély megerősítéses tanulással.

(7 olvasói vélemény alapján)

Eredeti címe:

Deep Learning Cookbook: Practical Recipes to Get Started Quickly

Könyv tartalma:

A mélytanulásnak nem kell ijesztőnek lennie. Egészen a közelmúltig ez a gépi tanulási módszer több éves tanulmányokat igényelt, de az olyan keretrendszerekkel, mint a Keras és a Tensorflow, a gépi tanulásban járatlan szoftvermérnökök is gyorsan beléphetnek a területre. Az ebben a szakácskönyvben található receptek segítségével megtanulhatja, hogyan oldhat meg mélytanulási problémákat szövegek, képek és zenék osztályozására és generálására.

Minden fejezet több olyan receptből áll, amelyek egy-egy projekt, például egy zeneajánló rendszer betanításához szükségesek. A szerző, Douwe Osinga egy féltucatnyi technikát tartalmazó fejezetben is segítséget nyújt, ha elakadnál. A példák Python nyelven íródtak, a kód a GitHubon Python jegyzetfüzetek formájában érhető el.

Megtanulhatod, hogyan:

⬤ Létrehozz olyan alkalmazásokat, amelyek valódi felhasználókat szolgálnak ki.

⬤ Szöveghasonlóság kiszámításához szóbeágyazások használata.

⬤ Filmajánló rendszer készítése a Wikipédia linkjei alapján.

⬤ Tanulja meg, hogyan látják a mesterséges intelligenciák a világot a belső állapotuk vizualizálásával.

⬤ Készítsünk modellt, amely szövegdarabokhoz emojikat javasol.

⬤ Az előzetesen betanított hálózatok újrafelhasználása egy inverz képkereső szolgáltatás létrehozásához.

⬤ Hasonlítsa össze, hogyan generálnak ikonokat a GAN-ok, az autoencoderek és az LSTM-ek.

⬤ Zenei stílusok felismerése és dalgyűjtemények indexelése.