Haladó mélytanulás a Keras segítségével

Olvasói vélemények

Az értékelések kiemelik az „Advanced Deep Learning with Keras” című könyvet, amely kiváló forrás a mélytanulási technikák megértéséhez és gyakorlati alkalmazásához. A könyv kiemelkedik az olyan témák átfogó lefedettségével, mint a generatív adverzális hálózatok (GAN-ok), a variációs autókódolók (VAE-ok) és a megerősítéses tanulás, gyakorlati példákat és kódimplementációkat kínálva a Keras használatával. Egyes felhasználók azonban technikai problémákról számoltak be a Kindle verzióval kapcsolatban, amely lefagyásokról és összeomlásokról számoltak be.

⬤ A fejlett mélytanulási témák átfogó lefedettsége, beleértve a GAN-okat, a VAE-ket és a megerősítéses tanulást.
⬤ A gyakorlati alkalmazások, a matematika és a magyarázatok jó egyensúlya.
⬤ Jól megírt és könnyen érthető mind a kezdők, mind a tapasztalt programozók számára.
⬤ Világos kódpéldákat és gyakorlati betekintést nyújt a Keras használatához.
⬤ Nagyon ajánlott az olvasóknak a mélytanulással kapcsolatos alkalmazások építéséhez.

⬤ A Kindle verzióval kapcsolatban jelentett technikai problémák, beleértve a lefagyást és az összeomlást.
⬤ Néhány felhasználó számára a haladó témák előzetes tudás nélkül kihívást jelenthetnek.

(8 olvasói vélemény alapján)

Eredeti címe:

Advanced Deep Learning with Keras

Könyv tartalma:

A kiadó megjegyzése: Ez a 2018-as kiadás elavult, és nem kompatibilis a TensorFlow 2 vagy a Python könyvtárak legújabb frissítéseivel. Most jelent meg egy új, 2020-ra frissített második kiadás, amely tartalmazza a TensorFlow 2-t és a kölcsönös információt használó felügyelet nélküli tanulás, az objektumdetektálás és a szemantikus szegmentálás lefedettségét.

Átfogó útmutató a fejlett mélytanulási technikákhoz, beleértve az autoencodert, a GAN-okat, a VAE-ket és a mély megerősítő tanulást, amelyek napjaink leglenyűgözőbb mesterséges intelligencia eredményeihez vezetnek.

legfontosabb jellemzők

⬤ Tárja fel a legfejlettebb mélytanulási technikákat, amelyek a mai mesterséges intelligencia eredményeit vezérlik.

⬤ Mély neurális hálózatok, autoencoderek, GAN-ok, VAE-k és mély megerősítő tanulás megvalósítása.

⬤ A GAN-ok széles körű tanulmányozása, beleértve a továbbfejlesztett GAN-okat, a Cross-Domain GAN-okat és a Disentangled Representation GAN-okat.

Book Description:

A mélytanulás legújabb fejlesztései, köztük a generatív adverzális hálózatok (GAN-ok), a variációs autokódolók (VAE-k) és a mély megerősítéses tanulás (DRL) lenyűgöző AI-eredményeket hoznak létre a híreink címlapjain - például az AlphaGo Zero legyőzte a sakkvilágbajnokokat, és a generatív AI képes olyan művészeti festményeket létrehozni, amelyek több mint 400 ezer dollárért kelnek el, mert annyira emberhez hasonlóak.

Az Advanced Deep Learning with Keras egy átfogó útmutató a ma elérhető fejlett mélytanulási technikákról, hogy Ön is létrehozhassa saját élvonalbeli mesterséges intelligenciáját. A Keras nyílt forráskódú mélytanulási könyvtárat használva végig gyakorlatias projekteket talál, amelyek megmutatják, hogyan hozhat létre hatékonyabb mesterséges intelligenciát a legújabb technikákkal.

Az utazás az MLP-k, CNN-ek és RNN-ek áttekintésével kezdődik, amelyek a könyvben szereplő fejlettebb technikák építőkövei. Megtanulja, hogyan kell mély tanulási modelleket implementálni a Keras és a TensorFlow 1. x segítségével, majd továbblép a haladó technikák felé, ahogy felfedezi a mély neurális hálózati architektúrákat, köztük a ResNet-et és a DenseNet-et, valamint az autoencoderek létrehozását. Ezután mindent megtudhatsz a GAN-okról, és arról, hogyan nyithatnak új szinteket a mesterséges intelligencia teljesítményében. Ezután megismerkedhet a VAE-k megvalósításának módjával, és láthatja, hogy a GAN-ok és a VAE-k milyen generatív erővel rendelkeznek ahhoz, hogy olyan adatokat szintetizáljanak, amelyek rendkívül meggyőzőek lehetnek az emberek számára - ez jelentős előrelépés a modern AI számára. A haladó technikák sorának kiegészítéseként megtanulja, hogyan kell megvalósítani a DRL-t, például a Deep Q-Learninget és a Policy Gradient Methodsot, amelyek kritikus fontosságúak a mesterséges intelligencia számos modern eredményéhez.

Mit fogsz tanulni:

⬤ Az emberhez hasonló mesterséges intelligencia teljesítményének élvonalbeli technikái.

⬤ Korszerű mélytanulási modellek megvalósítása a Keras segítségével.

⬤ A fejlett technikák építőkövei - MLP-k, CNN-ek és RNN-ek.

⬤ Mély neurális hálózatok - ResNet és DenseNet.

⬤ Autokódolók és variációs autókódolók (VAE-k).

⬤ Generatív adverzális hálózatok (GAN-ok) és kreatív mesterséges intelligencia technikák.

⬤ Disentangled Representation GANs és Cross-Domain GANs.

⬤ Mély megerősítéses tanulási módszerek és megvalósítás.

⬤ Iparági szabványos alkalmazások előállítása az OpenAI Gym segítségével.

⬤ Mély Q-tanulás és Policy Gradient módszerek.

Kinek szól ez a könyv:

Némi folyékony Python nyelvtudást feltételezünk. Mivel haladó könyvről van szó, ismerkedni fogsz néhány gépi tanulási megközelítéssel, és hasznos lesz némi gyakorlati tapasztalat a DL-rel kapcsolatban. A Keras vagy a TensorFlow 1. x ismerete nem kötelező, de hasznos lenne.