Mélytanulás kódolóknak Fastai és Pytorch segítségével: AI-alkalmazások PhD nélkül

Olvasói vélemények

Jeremy Howard és Sylvain Gugger „Deep Learning for Coders” című könyvét széles körben kiváló forrásként tartják számon a mélytanulás gyakorlati elsajátításához, különösen azok számára, akik már rendelkeznek némi programozási tapasztalattal. A könyv gyakorlatias, felülről lefelé irányuló megközelítéssel rendelkezik, amely lehetővé teszi az olvasók számára, hogy közvetlenül alkalmazásokkal és projektekkel foglalkozzanak, gyakran a Fastai könyvtárat a PyTorch-csal kombinálva használva. Ugyanakkor kritika érte, hogy az abszolút kezdők számára potenciálisan zavaros lehet, és hogy elavult kódpéldákat tartalmaz, amelyek frusztrációt okozhatnak.

Jól strukturált a gyakorlati tanuláshoz, kiváló gyakorlati megközelítés, alkalmas a programozási tapasztalattal rendelkező olvasók számára, gazdag Jupyter notebook példákban, jól formázott a Kindle-en való olvashatóság érdekében, releváns és modern mélytanulási gyakorlatokat fed le, támogató közösség és a GitHubon elérhető források.

Előzetes ismeretek nélküli teljesen kezdők számára talán nem alkalmas, egyes olvasók számára zavaró a felülről lefelé irányuló tanítási módszer, több megjegyzés az elavult kódról, amely hibákhoz vezet, nem ideális a mélytanulással kapcsolatos előzetes ismeretekkel rendelkezők számára, akik haladó anyagot keresnek, az átfogó szerkesztéssel és a koherenciával kapcsolatos lehetséges problémák.

(52 olvasói vélemény alapján)

Eredeti címe:

Deep Learning for Coders with Fastai and Pytorch: AI Applications Without a PhD

Könyv tartalma:

A mélytanulásra gyakran úgy tekintenek, mint a matematikai PhD-k és a nagy technológiai cégek kizárólagos területére. De ahogy ez a gyakorlati útmutató bemutatja, a Pythonban otthonosan mozgó programozók is lenyűgöző eredményeket érhetnek el a mélytanulásban kevés matematikai háttérrel, kis mennyiségű adattal és minimális kóddal. Hogyan? A fastai segítségével, az első olyan könyvtárral, amely konzisztens felületet biztosít a leggyakrabban használt mélytanulási alkalmazásokhoz.

A fastai alkotói, Jeremy Howard és Sylvain Gugger szerzők megmutatják, hogyan lehet a fastai és a PyTorch segítségével a feladatok széles skáláján modellt képezni. Emellett fokozatosan mélyebbre merülhetsz a mélytanulás elméletében, hogy teljes mértékben megértsd a kulisszák mögötti algoritmusokat.

⬤ Modellek betanítása számítógépes látás, természetes nyelvi feldolgozás, táblázatos adatok és kollaboratív szűrés területén.

⬤ Tanulja meg a legújabb mélytanulási technikákat, amelyek a gyakorlatban a legfontosabbak.

⬤ Növelje a pontosságot, a sebességet és a megbízhatóságot a mélytanulási modellek működésének megértésével.

⬤ Találja meg, hogyan alakíthatja át modelljeit webes alkalmazásokká.

⬤ Mélytanulási algoritmusok megvalósítása a semmiből.

⬤ Megfontolja munkájának etikai vonatkozásait.

⬤ Nyerjen betekintést a PyTorch társalapítója, Soumith Chintala előszavából.