Deep Learning with TensorFlow and Keras - Harmadik kiadás: Felügyelt, felügyelet nélküli, mély és megerősítéses tanulási modellek készítése és telepítése

Olvasói vélemények

A 'Deep Learning with TensorFlow and Keras' című könyv egy átfogó útmutató, amely tele van elméleti ismeretekkel és gyakorlati példákkal, és a népszerű AI és ML könyvtárakra összpontosít. Kezdők és szakemberek számára egyaránt alkalmas, és mélyrehatóan tárgyalja a különböző mélytanulási technikákat és architektúrákat. Ugyanakkor több tipográfiai hibától szenved, és egyes részeknél a tartalom teljes megértéséhez előzetes ismeretekre lehet szükség a témában.

Számos példa és gyakorlati kódrészlet, a mélytanulási fogalmak átfogó lefedettsége, megközelíthető írásmód, a kezdőket és a tapasztalt szakembereket egyaránt kielégítő, jól összeállított tartalom, a matematikának szentelt fejezetek és további hivatkozások a további elmélyüléshez.

Sok tipográfiai hibát tartalmaz, ami időnként zavart okoz, bizonyos szintű előzetes tudást feltételez, ami akadályozhatja a teljes megértést az újonnan érkezők számára, a fizikai nyomtatás minősége gyenge, a színes grafikonok néhány említése fekete-fehéren jelenik meg, és a könyvnek hasznára válhatna a világosabb navigáció és szervezés.

(38 olvasói vélemény alapján)

Eredeti címe:

Deep Learning with TensorFlow and Keras - Third Edition: Build and deploy supervised, unsupervised, deep, and reinforcement learning models

Könyv tartalma:

Élenjáró gépi és mélytanulási rendszerek építése laboratóriumi, termelési és mobileszközök számára.

A nyomtatott vagy Kindle könyv megvásárlása egy PDF formátumú ingyenes e-könyvet is tartalmaz.

Főbb jellemzők:

⬤ Tanulja meg a mélytanulás és a gépi tanulás alapjait érthető magyarázatok és átfogó kódminták segítségével.

⬤ Implementáljon gráf neurális hálózatokat, transzformátorokat az Hugging Face és a TensorFlow Hub segítségével, valamint közös és kontrasztív tanulást.

⬤ Tanulja meg a legmodernebb gépi és mélytanulási technikákat.

Könyv leírása:

A Deep Learning with TensorFlow and Keras megtanítja a neurális hálózatokat és a mélytanulási technikákat a TensorFlow (TF) és a Keras segítségével. Megtanulja, hogyan írhat mélytanulási alkalmazásokat a legerősebb, legnépszerűbb és legjobban skálázható gépi tanulási stackben.

A TensorFlow 2.x az egyszerűségre és a könnyű használatra összpontosít, olyan frissítésekkel, mint a buzgó végrehajtás, a Kerasra épülő intuitív magasabb szintű API-k és a rugalmas modellépítés bármilyen platformon. Ez a könyv a TF 2. 0 legújabb funkcióit és könyvtárait felhasználva áttekintést nyújt a felügyelt és felügyelet nélküli gépi tanulási modellekről, és gyakorlati példákon keresztül átfogó elemzést nyújt a mélytanulás és a megerősítéses tanulás modelljeiről a felhő, a mobil és a nagy termelési környezetek számára.

A könyv azt is bemutatja, hogyan hozhatunk létre neurális hálózatokat a TensorFlow-val, végigfut a népszerű algoritmusokon (regresszió, konvolúciós neurális hálózatok (CNN), transzformátorok, GAN-ok, rekurrens neurális hálózatok (RNN), természetes nyelvfeldolgozás (NLP) és gráf neurális hálózatok (GNN)), kitér a működő példaalkalmazásokra, majd belemerül a TF in production, TF mobile és TensorFlow az AutoML-lel.

Mit fogsz tanulni:

⬤ Megtanulja, hogyan használhatja a népszerű GNN-eket a TensorFlow-val gráfbányászati feladatok elvégzésére.

⬤ Felfedezi a transzformátorok világát, az előképzéstől a finomhangoláson át az értékelésükig.

⬤  Alkalmazza az önfelügyelt tanulást a természetes nyelvfeldolgozás, a számítógépes látás és az audiojelfeldolgozás területén.

⬤ A valószínűségi és mély tanulási modellek kombinálása a TensorFlow Probability segítségével.

⬤ Tréningelje modelljeit a felhőben, és alkalmazza a TF-et valós környezetben.

⬤ Építsen gépi tanulási és mélytanulási rendszereket a TensorFlow 2. x és a Keras API segítségével.

Kinek szól ez a könyv:

Ez a gyakorlati gépi tanulásról szóló könyv Python-fejlesztőknek és adattudósoknak szól, akik gépi tanulási és mélytanulási rendszereket szeretnének építeni a TensorFlow-val. Ez a könyv megadja a Keras, a TensorFlow és az AutoML használatához szükséges elméletet és gyakorlatot gépi tanulási rendszerek építéséhez.

Hasznos lenne némi gépi tanulási ismeret. Nem feltételezzük a TF ismereteit.