Mélytanulás Keras-szal

Olvasói vélemények

A könyv gyakorlati útmutató a mélytanulási modellek Keras használatával történő megvalósításához, ideális a gépi tanulásban már jártasak számára. A hangsúlyt a kódolási példákra helyezi az elméleti megértés helyett, így alkalmas a tapasztalt adattudósok számára is. Ugyanakkor hiányzik belőle az elméleti mélység, és formázási problémákra is felfigyeltek, amelyek akadályozhatják az olvasási élményt.

** Gyakorlati megvalósítási részleteket és példákat nyújt a Keras használatával készült mélytanulási modellekhez. ** Olyan olvasók számára alkalmas, akik már értik a gépi tanulás fogalmait. ** Fedi a legújabb kutatásokat, és jól megalapozott példákat tartalmaz. ** Gyors és kényelmes bevezetés a Keras használatába.

** Hiányzik az elméleti magyarázatok és a mögöttes matematika mélysége. ** Sok példa alapszintű, megfelelő kontextus vagy magyarázat nélkül. ** Gyenge könyvformázás, különösen a Kindle verzióban, nehezen olvasható képekkel és kódokkal. ** Néhány olvasó túlárazottnak találta a könyv tartalmához képest.

(42 olvasói vélemény alapján)

Eredeti címe:

Deep Learning with Keras

Könyv tartalma:

A kiadó megjegyzése: Ez a 2017-es kiadás elavult, és nem kompatibilis a TensorFlow 2 vagy a Python könyvtárak legújabb frissítéseivel. Most megjelent egy új, 2020-ra frissített második kiadás, amely tartalmazza a TensorFlow 2-t, a Keras API-t, a CNN-eket, a GAN-okat, az RNN-eket, az NLP-t és az AutoML-t..

Főbb jellemzők:

⬤ Változatos mélytanulási algoritmusok implementálása a Kerasban, és megnézheti, hogyan használható a mélytanulás a játékokban.

⬤ Nézze meg, hogyan lehet különböző mélytanulási modelleket és gyakorlati felhasználási eseteket megvalósítani a Keras segítségével.

⬤ Egy gyakorlatias, gyakorlatias útmutató valós példákkal, amely erős alapokat ad a Keras használatához.

Könyv leírása:

Ez a könyv a felügyelt tanulási algoritmusok, például az egyszerű lineáris regresszió, a klasszikus többrétegű perceptron és a kifinomultabb mély konvolúciós hálózatok bemutatásával kezdődik. A képfeldolgozással is megismerkedhet a kézzel írt számjegyek felismerésével, a képek különböző kategóriákba történő osztályozásával és a fejlett objektumfelismeréssel a kapcsolódó képi megjegyzésekkel. Egy példát is bemutatunk a kiemelkedő pontok azonosítására az arcfelismeréshez.

Ezután a rekurrens hálózatokkal ismerkedhet meg, amelyek szekvenciális adatok, például szöveg, hang vagy idősorok feldolgozására optimalizáltak. Ezt követően olyan felügyelet nélküli tanulási algoritmusokkal ismerkedhet meg, mint az automatikus kódolók és a nagyon népszerű generatív adverzális hálózatok (GAN-ok). A neurális hálózatok nem hagyományos felhasználási módjait is meg fogja vizsgálni, mint a Style Transfer.

Végezetül megnézzük a megerősítő tanulást és annak alkalmazását a mesterséges intelligencia játékokban, ami a neurális hálózatok kutatásának és alkalmazásának egy másik népszerű iránya.

Amit tanulni fog:

⬤ Optimalizálja lépésről lépésre a funkciókat egy nagy neurális hálózaton a Backpropagation algoritmus segítségével.

⬤ Egy neurális hálózat finomhangolása az eredmények minőségének javítása érdekében.

⬤ Használja a mélytanulást kép- és hangfeldolgozáshoz.

⬤ Használja a rekurzív neurális tenzorhálózatokat (RNTN), hogy speciális esetekben felülmúlja a hagyományos szóbeágyazást.

⬤ Találja meg azokat a problémákat, amelyekre a rekurrens neurális hálózatok (RNN) megoldásai alkalmasak.

⬤ Tárja fel az automatikus kódolók megvalósításához szükséges folyamatot.

⬤ Evolváljon egy mély neurális hálózatot megerősítő tanulás segítségével.

Kinek szól ez a könyv:

Ha Ön gépi tanulásban jártas adattudós vagy neurális hálózatokkal foglalkozó mesterséges intelligencia programozó, akkor ez a könyv hasznos belépő a Keras segítségével történő mélytanulásba. Ehhez a könyvhöz Python-ismeret szükséges.