Mélytanulás a semmiből: Építkezés Pythonnal az első alapelvekből

Olvasói vélemények

A könyv alapos bevezetést nyújt a neurális hálózatok nulláról történő kódolásába, hasznos kódpéldákkal és intuitív magyarázatokkal. Ugyanakkor jelentős problémákkal küzd, például hiányos kóddal, gyenge matematikai magyarázatokkal és hibákkal, ami sok olvasó számára frusztrációhoz vezet. Bár az online változat talán hasznosabb, mint a nyomtatott, összességében a könyv fogadtatása vegyes.

Jól szervezett, világosan elmagyarázott fogalmak, kiterjedt kódpéldák, egyedülálló hangsúly a neurális hálózatok kódolására a semmiből, jó forrás a mélytanulás alapjainak megértéséhez.

Gyakori hibák, hiányos kód, rosszul magyarázott matematika, fekete-fehér ábrák, rendezetlen bemutatás, és néhány olvasó hiányolta a támogató magyarázatokat vagy a fogalmak mögötti intuíciókat.

(36 olvasói vélemény alapján)

Eredeti címe:

Deep Learning from Scratch: Building with Python from First Principles

Könyv tartalma:

A neurális hálózatok 2010-es évekbeli újjáéledésével a mélytanulás nélkülözhetetlenné vált a gépi tanulással foglalkozó szakemberek, sőt sok szoftvermérnök számára is. Ez a könyv átfogó bevezetést nyújt a gépi tanulásban jártas adattudósok és szoftvermérnökök számára. A mélytanulás alapjaival kezd, és gyorsan eljut a fontos fejlett architektúrák részleteihez, útközben mindent a nulláról implementálva.

A szerző, Seth Weidman az első elvek alapján mutatja be a neurális hálózatok működését. Megtanulja, hogyan alkalmazza a többrétegű neurális hálózatokat, a konvolúciós neurális hálózatokat és a rekurrens neurális hálózatokat az alapoktól kezdve. A neurális hálózatok matematikai, számítási és koncepcionális működésének alapos megértésével minden jövőbeli mélytanulási projektben sikerre leszel felkészülve.

Ez a könyv a következőket nyújtja:

⬤ Extrémen világos és alapos mentális modelleket - működő kódpéldákkal és matematikai magyarázatokkal kísérve - a neurális hálózatok megértéséhez.

⬤ Módszerek a többrétegű neurális hálózatok nulláról történő megvalósításához, egy könnyen érthető objektumorientált keretrendszer segítségével.

⬤ Munkahelyi megvalósítások és világos magyarázatok a konvolúciós és rekurrens neurális hálózatokról.

⬤ Ezeknek a neurális hálózati koncepcióknak a népszerű PyTorch keretrendszer segítségével történő megvalósítása.