Python Deep Learning - Második kiadás: A mélytanulási technikák és neurális hálózati architektúrák felfedezése PyTorch, Keras és TensorFlow segítségével, 2. kiadás

Olvasói vélemények

A könyv átfogó forrás a mélytanulásról, amely a témák széles skáláját öleli fel az alapvető neurális hálózatoktól az olyan fejlett modellekig, mint a megerősített tanulás, valamint az olyan területeken történő alkalmazásokig, mint a számítógépes látás és az autonóm járművek. A könyv nagy tetszést aratott világos magyarázatai és gyakorlati példái miatt, így különböző készségszintek számára is alkalmas. Néhány felhasználó azonban fájlalja, hogy a korábbi kiadásokból értékes tartalmakat távolítottak el, és kritikák érik a grafikai minőséget és a kiegészítő anyagok hozzáférhetőségét.

A mélytanulás témáinak széles körű lefedettsége, a különböző készségszinteknek megfelelő világos magyarázatok, gyakorlati példák, a főbb mélytanulási könyvtárak bevonása, átfogó részek a számítógépes látásról és a megerősített tanulásról.

A korábbi kiadásokból értékes anyagokat távolítottak el, a grafikai minőség nem megfelelő, a kiegészítő anyagok zavarosak (pl. a GitHub linkek helytelen tárolókra mutatnak), és néhány témában, különösen a természetes nyelvi feldolgozásban, több részletre lenne szükség.

(8 olvasói vélemény alapján)

Eredeti címe:

Python Deep Learning - Second Edition: Exploring deep learning techniques and neural network architectures with PyTorch, Keras, and TensorFlow, 2nd Ed

Könyv tartalma:

Ismerje meg a legmodernebb mélytanulási technikákat és azok alkalmazásait népszerű Python könyvtárak segítségével

Főbb jellemzők

⬤ Létrehoz egy erős alapot a neurális hálózatok és a mélytanulás terén a Python könyvtárak segítségével.

⬤ Tudja meg a fejlett mélytanulási technikákat és azok alkalmazásait a számítógépes látás és az NLP területén.

⬤ Tanulja meg, hogyan tud a számítógép megerősített tanulással navigálni komplex környezetben.

Könyv leírása

A mesterséges intelligencia ugrásszerű növekedésével az üzleti és fogyasztói igényeket egyaránt kielégítő alkalmazásokban a mélytanulás fontosabb, mint valaha, a jelenlegi és jövőbeli piaci igények kielégítése szempontjából. Ezzel a könyvvel felfedezheti a mélytanulást, és megtanulhatja, hogyan alkalmazhatja a gépi tanulást projektjeiben.

A Python Deep Learning második kiadásában megismerkedhetsz a mélytanulással, a mély neurális hálózatokkal, valamint azzal, hogyan lehet őket nagy teljesítményű algoritmusokkal és népszerű Python-keretrendszerekkel betanítani. Feltárja a különböző neurális hálózati architektúrákat, például a konvolúciós hálózatokat, a rekurrens neurális hálózatokat, a hosszú rövid távú memóriájú (LSTM) hálózatokat és a kapszulás hálózatokat. Megtanulja továbbá, hogyan oldhat meg problémákat a számítógépes látás, a természetes nyelvfeldolgozás (NLP) és a beszédfelismerés területén. Olyan generatív modellmegközelítéseket fogsz tanulmányozni, mint a variációs autokódolók és a generatív adverzális hálózatok (GAN-ok) a képek generálásához. A megerősítéses tanulás újonnan kialakult területein elmélyedve megismerheted a legkorszerűbb algoritmusokat, amelyek a Go, az Atari és a Dota népszerű játékok fő összetevői.

A könyv végére jól ismeri majd a mélytanulás elméletét, valamint annak valós alkalmazásait.

Amit tanulni fog

⬤ Megérti a neurális hálózatok és a mélytanulási folyamatok mögötti matematikai elméletet.

⬤ Vizsgálja meg és oldja meg a számítógépes látás kihívásait a konvolúciós hálózatok és a kapszulahálózatok segítségével.

⬤ Generatív feladatok megoldása variációs autoencoderek és generatív adverzális hálózatok segítségével.

⬤ Tömbös NLP feladatok megvalósítása rekurrens hálózatok (LSTM és GRU) és figyelemmodellek segítségével.

⬤ Feltárja a megerősítéses tanulást és megértse, hogyan viselkednek az ágensek komplex környezetben.

⬤ Tájékozódjon a mélytanulás autonóm járművekben való alkalmazásairól.

Kinek szól ez a könyv.

Ez a könyv olyan adattudományi szakembereknek, gépi tanulással foglalkozó mérnököknek és a mélytanulás iránt érdeklődőknek szól, akik rendelkeznek alapvető alapokkal a gépi tanulásban és némi Python programozási tapasztalattal. A matematikai háttér, valamint a számtan és a statisztika fogalmi megértése segít abban, hogy maximális hasznot húzzon ebből a könyvből.