Haladó mélytanulás a TensorFlow 2 és a Keras segítségével - Második kiadás

Olvasói vélemények

A könyv a mesterséges intelligencia és a mélytanulás haladó gyakorlóinak szól, és alapos bevezetést nyújt az olyan neurális hálózati architektúrákba, mint az MLP, a CNN és az RNN. Gyakorlati példákat és tömör kódot kínál, de szilárd alaptudást feltételez a mesterséges intelligenciáról.

⬤ A legfontosabb neurális hálózattípusok (MLP, CNN, RNN) átfogó lefedettsége gyakorlati alkalmazásokkal.
⬤ A Keras világos bevezetése a TensorFlow segítségével a modellek építéséhez.
⬤ Jelentős frissítések az új kiadásban, több mint 40%-kal több új tartalommal.
⬤ Mind a haladó gyakorlóknak, mind a kezdő és a szakértői szint között elhelyezkedőknek.
⬤ Egyszerűsített magyarázatok az olyan fejlett fogalmakról, mint a GAN-ok, az autoencoderek és a megerősítéses tanulás.
⬤ Megbízható és jól strukturált anyag.

⬤ Feltételezi, hogy az olvasó már alapos alapismeretekkel rendelkezik a mesterséges intelligenciáról és a mélytanulásról, ami a kezdők számára akadályt jelenthet.
⬤ Nagymértékben támaszkodik a GPU használatára, amit a könyv leírása nem említ.
⬤ A számítógépes látáson kívül korlátozott a lefedettség, különösen az NLP témák hiányoznak.
⬤ Néhány felhasználó technikai problémákról számolt be a kódfuttatással kapcsolatban (pl. SSL-tanúsítvány-problémák), amelyek akadályozták a tanulást.
⬤ Néhány magyarázatból hiányzik a mélység és a koherencia, ami további forrásokat tesz szükségessé.

(11 olvasói vélemény alapján)

Eredeti címe:

Advanced Deep Learning with TensorFlow 2 and Keras - Second Edition

Könyv tartalma:

A TensorFlow 2 és a Keras segítségével történő fejlett mélytanulásról szóló bestseller második, frissített és átdolgozott kiadása Főbb jellemzők Fedezze fel a legfejlettebb mélytanulási technikákat, amelyek a modern mesterséges intelligencia eredményeihez vezetnek A kölcsönös információ, a tárgyfelismerés és a szemantikus szegmentálás segítségével történő felügyelet nélküli mélytanulás új lefedettsége Teljesen frissítve a TensorFlow 2 számára. x Könyv leírása

Az Advanced Deep Learning with TensorFlow 2 and Keras, Second Edition a ma elérhető fejlett mélytanulási technikákról szóló bestseller útmutatójának teljesen frissített kiadása. A TensorFlow 2. x-hez átdolgozott kiadás a mélytanulás gyakorlati oldalával ismerteti meg Önt, új fejezetekkel a kölcsönös információval történő felügyelet nélküli tanulásról, az objektumdetektálásról (SSD) és a szemantikus szegmentálásról (FCN és PSPNet), lehetővé téve továbbá, hogy saját élvonalbeli mesterséges intelligenciaprojekteket hozzon létre.

A Keras nyílt forráskódú mélytanulási könyvtárat használó könyv gyakorlati projekteket tartalmaz, amelyek megmutatják, hogyan hozhat létre hatékonyabb mesterséges intelligenciát a legmodernebb technikákkal.

A könyv a többrétegű perceptronok (MLP-k), a konvolúciós neurális hálózatok (CNN-ek) és a rekurrens neurális hálózatok (RNN-ek) áttekintésével kezdődik, majd további élvonalbeli technikákat mutat be a mély neurális hálózati architektúrák, köztük a ResNet és a DenseNet, valamint az automatikus kódolók létrehozásának módjával. Ezután megismerkedhet a GAN-okkal, és azzal, hogy miként képesek a mesterséges intelligencia teljesítményének új szintjeit felszabadítani.

Ezután megtudhatja, hogyan valósul meg a variációs autokódoló (VAE), és hogyan képesek a GAN-ok és a VAE-k olyan adatokat szintetizálni, amelyek rendkívül meggyőzőek lehetnek az emberek számára. Megtanulja továbbá a DRL, például a Deep Q-Learning és a Policy Gradient Methods implementálását, amelyek kritikus fontosságúak a mesterséges intelligencia számos modern eredményéhez. Amit tanulni fog A kölcsönös információmaximalizálási technikák használata a felügyelet nélküli tanulás végrehajtásához A szegmentálás használata a képen lévő egyes objektumok pixelenkénti osztályának azonosításához A képen lévő objektumok határoló dobozának és osztályának azonosítása objektumdetektálással Megtanulja a fejlett technikák építőelemeit - MLPss, CNN és RNN-ek Megérti a mély neurális hálózatokat - beleértve a ResNet és DenseNet-et Megérti és felépíti az autoregresszív modelleket - autoencoderek, VAE-k és GAN-ek Felfedezi és megvalósítja a mély megerősítő tanulási módszereket Kinek szól ez a könyv?

Ez nem egy bevezető könyv, ezért a Python nyelv ismerete szükséges. Az olvasónak ismernie kell néhány gépi tanulási megközelítést is, és a DL-rel kapcsolatos gyakorlati tapasztalat is hasznos lesz. A Keras vagy a TensorFlow 2. 0 ismerete nem kötelező, de ajánlott. Tartalomjegyzék A fejlett mélytanulás bemutatása a Keras segítségével Mély neurális hálózatok Autokódolók Generatív adverzális hálózatok (GAN-ok) Javított GAN-ok Disentangled Representation GAN-ok Cross-Domain GAN-ok Variational Autoencoders (VAE-ok) Mély megerősítéses tanulás Policy Gradient Methods Objektumfelismerés Szemantikus szegmentálás Unupervised Learning Using Mutual Information (Kölcsönös információval történő felügyelet nélküli tanulás)