Deep Learning for Engineers
Deep Learning for Engineers bemutatja a mélytanulás alapelveit, valamint a mélytanulási modellek megértéséhez és alkalmazásához szükséges alapvető elemek magyarázatát.
A könyv átfogó útmutatóként a mélytanulási modellek gyakorlati környezetben történő alkalmazásához könnyen érthető kódolási struktúrát kínál Python és PyTorch használatával, négy tipikus mélytanulási esettanulmány mélyreható magyarázatával a képosztályozás, a tárgyfelismerés, a szemantikus szegmentálás és a képfeliratozás témakörében. A könyv tárgyalja a konvolúciós neurális hálózat (CNN) és a rekurrens neurális hálózat (RNN) architektúrák alapjait és gyakorlati megvalósításaikat a tudományban és a mérnöki tudományokban.
A könyv minden esettanulmányhoz tartalmaz gyakorló feladatokat, amelyek a mélytanulás különböző finomhangolási megközelítéseire összpontosítanak. A tudományos és mérnöki hallgatók mind alap-, mind mesterképzésben, tudományos kutatók és ipari szakemberek egyaránt hasznosnak találják majd a tartalmat.
