Mélytanulás tanulása: A neurális hálózatok, a számítógépes látás, a természetes nyelvfeldolgozás és a transzformátorok elmélete és gyakorlata a Tensorflo segítségével

Olvasói vélemények

A mélytanulásról szóló könyvet dicsérik a világos írásmódja, a TensorFlow-ban használt gyakorlati kódolási példák és az összetett fogalmak közérthető módon történő közlésének képessége miatt. Egyaránt szolgálja azokat a mérnököket, akik a mélytanulást gyakorlati alkalmazásokhoz szeretnék elsajátítani, és a haladóbb felhasználókat, akik átfogó ismereteket szeretnének szerezni a területről. Ugyanakkor nem biztos, hogy az abszolút kezdők vagy a mély matematikai elemzést keresők számára megfelelő.

Kiváló fogalmak magyarázata, gyakorlati kódolási példák, közérthető írásmód, kezdők és szakértők számára egyaránt alkalmas, a mélytanulási architektúrák és alkalmazások széles körét lefedi, releváns és jól szervezett tartalom, szép elrendezés és ábrák.

Néhány területen kissé kapkodó lehet, lehet, hogy nem nyújt elég mélységet az abszolút kezdők vagy a mély matematikai megértést keresők számára, nyomtatási minőségi problémák néhány példánynál.

(22 olvasói vélemény alapján)

Eredeti címe:

Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using Tensorflo

Könyv tartalma:

Az NVIDIA színes útmutatója a mélytanuláshoz: All You Need to Get Started and Get Results

"Ahhoz, hogy mindenki részese lehessen ennek a történelmi forradalomnak, az AI-ismeretek és -források demokratizálására van szükség. Ez a könyv időszerű és releváns e magasztos célok eléréséhez.".

-- Dr. Anima Anandkumar, a Caltech Bren professzora és az NVIDIA ML kutatási igazgatója előszavából

"Ekman egy olyan tanulási technikát alkalmaz, amely tapasztalataink szerint kulcsfontosságúnak bizonyult a sikerhez - arra kéri az olvasót, hogy gondolkodjon el a DL-technikák gyakorlati alkalmazásán. Egyszerű megközelítése üdítő, és megengedi az olvasónak, hogy egy kicsit álmodozzon arról, hogy a DL még hová vihet minket.".

-- Dr. Craig Clawson, az NVIDIA Deep Learning Institute igazgatója előszavából

A mélytanulás (Deep Learning, DL) napjainkban a gépi tanulás és a mesterséges intelligencia izgalmas fejlődésének egyik kulcseleme. A Learning Deep Learning egy teljes körű útmutató a DL-hez. Ez a könyv mind az alapfogalmakat, mind a sikerhez szükséges gyakorlati programozási technikákat megvilágítva ideális a fejlesztők, adattudósok, elemzők és mások számára - beleértve azokat is, akiknek nincs korábbi gépi tanulással vagy statisztikával kapcsolatos tapasztalatuk.

Miután bemutatja a mély neurális hálózatok alapvető építőelemeit, például a mesterséges neuronokat és a teljesen összekapcsolt, konvolúciós és rekurrens rétegeket, Magnus Ekman megmutatja, hogyan lehet ezeket felhasználni fejlett architektúrák, köztük a Transformer felépítéséhez. Ismerteti, hogyan használják ezeket a fogalmakat a számítógépes látás és a természetes nyelvfeldolgozás (NLP) modern hálózatainak építéséhez, beleértve a Mask R-CNN-t, a GPT-t és a BERT-et. És elmagyarázza, hogyan működik egy természetes nyelvi fordító és egy képek természetes nyelvi leírását generáló rendszer.

Ekman mindvégig tömör, jól kommentált kódpéldákat ad a TensorFlow with Keras használatával. A PyTorch megfelelő példái online is megtalálhatók, és a könyv így lefedi az iparban és a tudományos életben használt két meghatározó Python könyvtárat a DL-hez. A neurális architektúra-keresés (NAS) bevezetésével zárul, fontos etikai kérdéseket vizsgálva, és forrásokat biztosít a továbbtanuláshoz.

⬤ Feltárja és elsajátítja az alapvető fogalmakat: perceptronok, gradiens alapú tanulás, szigmoid neuronok és visszaterjedés.

⬤ Lássa, hogyan könnyítik meg a DL keretrendszerek a bonyolultabb és hasznosabb neurális hálózatok fejlesztését.

⬤ Fedezze fel, hogyan forradalmasítják a konvolúciós neurális hálózatok (CNN-ek) a képosztályozást és -elemzést.

⬤  Alkalmazza a rekurrens neurális hálózatokat (RNN) és a hosszú rövid távú memóriát (LSTM) szövegekre és más változó hosszúságú szekvenciákra.

⬤ Mesteri NLP a szekvencia-szekvencia hálózatokkal és a Transformer architektúrával.

⬤ A természetes nyelvi fordításhoz és képfeliratozáshoz szükséges alkalmazások készítése.

Az NVIDIA által feltalált GPU beindította a PC-s játékpiacot. A vállalat úttörő munkája a gyorsított számítástechnika - a számítógépes grafika, a nagy teljesítményű számítástechnika és a mesterséges intelligencia metszéspontjában a számítástechnika egy felturbózott formája - átalakítja az olyan trillió dolláros iparágakat, mint a közlekedés, az egészségügy és a gyártás, és számos más iparág növekedését is elősegíti.

Regisztrálja a könyvet, hogy kényelmesen hozzáférhessen a letöltésekhez, frissítésekhez és/vagy javításokhoz, amint azok elérhetővé válnak. A részleteket lásd a könyv belsejében.