Értékelés:
A könyv bevezető útmutatót nyújt a TensorFlow és a mélytanulás fogalmaihoz, gyakorlati példákkal és világos magyarázatokkal. Mélységét, szervezését és matematikai szigorát illetően azonban vegyes értékeléseket kap.
Előnyök:⬤ Jó alapok a TensorFlow-val való kódoláshoz és a mélytanulási koncepciók megértéséhez.
⬤ Világos és gazdag tartalom, jól strukturált fejezetek.
⬤ Hasznos a gyakorló mérnökök és a TensorFlow-val újonnan ismerkedők számára.
⬤ Kézzelfogható megközelítés gyakorlati kódolási példákkal.
⬤ Magával ragadó bevezetés, amely motiválja a mélytanulási alkalmazásokat.
⬤ Egyes tartalmak túl sekélyesnek és elsietettnek tűnnek, a kritikus területek mélysége hiányzik.
⬤ Technikai hibák és hibák a kódmintákban.
⬤ Néhány olvasó nem találja megfelelőnek a matematikai magyarázatokat.
⬤ Bizonyos szállítási problémákról, például gyűrött oldalakról számoltak be.
⬤ Léteznek olyan alternatívák, amelyek átfogóbb lefedettséget biztosítanak a témában.
(25 olvasói vélemény alapján)
Tensorflow for Deep Learning: From Linear Regression to Reinforcement Learning
Ismerje meg, hogyan oldhat meg kihívást jelentő gépi tanulási problémákat a Tensorflow-val, a Google forradalmian új mélytanulási rendszerével. Ha rendelkezik némi alapfokú lineáris algebrai és számtani háttérrel, ez a gyakorlatias könyv megmutatja, hogyan építsen - és mikor használjon - mélytanulási architektúrákat. Megtanulhatja, hogyan tervezzen olyan rendszereket, amelyek képesek a képeken lévő tárgyak felismerésére, az emberi beszéd megértésére, a videók elemzésére és a potenciális gyógyszerek tulajdonságainak előrejelzésére.
A TensorFlow for Deep Learning gyakorlati példákon keresztül tanítja a fogalmakat, és az alapoktól kezdve építi fel a mélytanulás alapjainak megértését. Ideális a gyakorló fejlesztők számára, akik otthonosan mozognak a szoftverrendszerek tervezésében, de nem feltétlenül a tanuló rendszerek létrehozásában. Ez a könyv olyan tudósok és más szakemberek számára is hasznos, akik otthonosan mozognak a szkriptelésben, de nem feltétlenül a tanulási algoritmusok tervezésében.
⬤ Mélyreható ismereteket szerezhet a TensorFlow API-ról és primitívekről.
⬤ Megtanulja, hogyan lehet a TensorFlow segítségével gépi tanuló rendszereket nagy adathalmazokon betanítani és hangolni.
⬤ Tanulja meg, hogyan használja a TensorFlow-t konvolúciós hálózatokkal, rekurrens hálózatokkal, LSTM-ekkel és megerősítő tanulással.
© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)