Python Deep Learning - Harmadik kiadás: Értse meg, hogyan működnek a mély neurális hálózatok, és alkalmazza őket valós feladatokra

Olvasói vélemények

A „Python Deep Learning” című könyv gyakorlatias és átfogó útmutatót nyújt a mélytanulási modellek megértéséhez és építéséhez Python nyelven. Az elméleti alapokat gyakorlati példákkal egyensúlyozza, és olyan alapvető témákat tárgyal, mint a neurális hálózatok, a konvolúciós hálózatok, a természetes nyelvi feldolgozás és az MLOps. Az írás világos és magával ragadó, így egyaránt alkalmas kezdők és tapasztalt szakemberek számára. Az olvasók azonban időnként megjegyezték a komplexitás esetleges megugrását, és a Pythonra és a könyvtárakra vonatkozó egyértelműbb verzióleírásokat javasoltak.

A mélytanulás fogalmainak átfogó lefedettsége az alapoktól a haladó témákig.

Gyakorlati gyakorlati példák és világos magyarázatok.

(10 olvasói vélemény alapján)

Eredeti címe:

Python Deep Learning - Third Edition: Understand how deep neural networks work and apply them to real-world tasks

Könyv tartalma:

A neurális hálózatok hatékony navigációjának elsajátítása, beleértve a konvolúciókat és transzformátorokat, a számítógépes látás és NLP feladatok megoldásához Python segítségével

Key Features:

⬤ Tanulja meg a mély neurális hálózatok elméletét, matematikai alapjait és felépítését.

⬤ Ismerkedjen meg a transzformátorokkal, a nagy nyelvi modellekkel és a konvolúciós hálózatokkal.

⬤ Tanulja meg, hogyan alkalmazza őket különböző számítógépes látás- és természetes nyelvfeldolgozási problémákra A nyomtatott vagy Kindle könyv megvásárlása egy ingyenes PDF e-könyvet is tartalmaz.

A könyv leírása:

A mélytanulás területe az elmúlt években rohamosan fejlődött, és ma már az alkalmazások széles körét lefedi. Ez kihívássá teszi a tájékozódást, és szilárd alapok nélkül nehéz megérteni. Ez a könyv elkalauzol a neurális hálózatok alapjaitól a ma használatban lévő legkorszerűbb nagyméretű nyelvi modellekig.

A könyv első része bemutatja a főbb gépi tanulási fogalmakat és paradigmákat. Kitér a neurális hálózatok matematikai alapjaira, felépítésére és képzési algoritmusaira, és belemerül a mélytanulás lényegébe.

A könyv második része a számítógépes látás konvolúciós hálózatait mutatja be. Megtanuljuk, hogyan lehet megoldani a képosztályozási, objektumdetektálási, példányszegmentálási és képgenerálási feladatokat.

A harmadik rész a figyelemmechanizmusra és a transzformátorokra - a nagy nyelvi modellek alapvető hálózati architektúrájára - összpontosít. Megbeszéljük az általuk megoldható új típusú, fejlett feladatokat, például a chatbotokat és a szövegből képet generáló feladatokat.

A könyv végére alaposan megismerheti a mély neurális hálózatok belső működését. Képes lesz új modelleket fejleszteni vagy a meglévőket adaptálni a feladatok megoldásához. Elegendő ismeretekkel fog rendelkezni ahhoz is, hogy folytassa kutatásait, és naprakész maradjon a terület legújabb fejleményeivel kapcsolatban.

Mit fogsz tanulni:

⬤ A mély neurális hálózatok elméleti alapjainak megalapozása.

⬤ Megérti a konvolúciós hálózatokat és alkalmazza őket a számítógépes látás alkalmazásaiban.

⬤ Jártas lesz a természetes nyelvi feldolgozásban és a rekurrens hálózatokban.

⬤ Felfedezze a figyelem mechanizmusát és a transzformátorokat.

⬤  Alkalmazza a transzformátorokat és a nagy nyelvi modelleket a természetes nyelv és a számítógépes látás területén.

⬤ Kódolási példák megvalósítása PyTorch, Keras és Hugging Face transzformátorokkal.

⬤ Neurális hálózati modellek kifejlesztése és telepítése az MLOps segítségével.

Kinek szól ez a könyv:

Ez a könyv szoftverfejlesztőknek/mérnököknek, diákoknak, adattudósoknak, adatelemzőknek, gépi tanulással foglalkozó mérnököknek, statisztikusoknak és mindenkinek, akit érdekel a mélytanulás. Előfeltétel a Python programozásban való előzetes tapasztalat.