Bezkódové hlboké učenie s KNIME: Budovanie, trénovanie a nasadzovanie rôznych architektúr hlbokých neurónových sietí pomocou analytickej platformy KNIME

Recenzie čitateľov

Kniha ponúka používateľsky prívetivý prístup k učeniu hlbokého učenia pomocou analytickej platformy KNIME a je určená čitateľom s malými alebo žiadnymi skúsenosťami s programovaním. Poskytuje solídne základy v oblasti teórie aj praktických aplikácií, pričom sa venuje aj aspektom nasadenia, ktoré sú v iných textoch často prehliadané. Niektorí čitatelia však vyjadrili želanie po väčšom počte príkladov kódovania a úpravách kvality materiálu.

1) Dobre napísané a jasné vysvetlenie kľúčových pojmov a osvedčených postupov. 2) Uvádza sa mnoho praktických aplikácií vrátane NLP, analýzy obrazu a odhaľovania podvodov. 3) Rozsiahle pokrytie možností nasadenia. 4) Sprístupňuje hlboké učenie bez požiadaviek na kódovanie. 5) Sprievodca krok za krokom zjednodušujúci zložité problémy.

1) Chýbajú príklady kódovania, najmä v dôležitých oblastiach, ako je spracovanie prirodzeného jazyka. 2) Niektoré sťažnosti na celkovú kvalitu knihy.

(na základe 10 čitateľských recenzií)

Pôvodný názov:

Codeless Deep Learning with KNIME: Build, train, and deploy various deep neural network architectures using KNIME Analytics Platform

Obsah knihy:

Zistite, ako integrovať analytickú platformu KNIME s knižnicami hlbokého učenia na implementáciu riešení umelej inteligencie

Kľúčové funkcie

⬤ Získajte prehľad o platforme KNIME Analytics Platform na vykonávanie hlbokého učenia bez kódu.

⬤ Rýchlo a jednoduchšie navrhujte a vytvárajte pracovné postupy hlbokého učenia pomocou grafického rozhrania KNIME.

⬤ Objavte rôzne možnosti nasadenia bez použitia jediného riadku kódu pomocou platformy KNIME Analytics Platform.

Popis knihy

KNIME Analytics Platform je softvér s otvoreným zdrojovým kódom, ktorý sa používa na vytváranie a navrhovanie pracovných postupov dátovej vedy. Táto kniha je komplexným sprievodcom grafickým používateľským rozhraním KNIME a integráciou hlbokého učenia KNIME, ktoré vám pomôžu vytvárať modely neurónových sietí bez toho, aby ste museli napísať čo i len jeden kód. Poradí vám pri budovaní jednoduchých a zložitých neurónových sietí prostredníctvom praktických a kreatívnych riešení na riešenie reálnych dátových problémov.

Na úvod do analytickej platformy KNIME získate prehľad o jednoduchých sieťach s doprednou väzbou na riešenie jednoduchých klasifikačných problémov na relatívne malých súboroch údajov. Potom prejdete na vytváranie, trénovanie, testovanie a nasadzovanie zložitejších sietí, ako sú autoenkodéry, rekurentné neurónové siete (RNN), siete s dlhou krátkodobou pamäťou (LSTM) a konvolučné neurónové siete (CNN). V každej kapitole sa v závislosti od siete a prípadu použitia dozviete, ako pripraviť údaje, kódovať prichádzajúce údaje a uplatňovať osvedčené postupy.

Na konci tejto knihy sa naučíte navrhovať rôzne neurónové architektúry a budete schopní trénovať, testovať a nasadiť finálnu sieť.

Čo sa naučíte

⬤ Používať rôzne spoločné uzly na transformáciu údajov do správnej štruktúry vhodnej na trénovanie neurónovej siete.

⬤ Pochopiť techniky neurónových sietí, ako sú stratové funkcie, spätné šírenie a hyperparametre.

⬤ Pripraviť a vhodne zakódovať údaje na ich vloženie do siete.

⬤ Zostaviť a trénovať klasickú doprednú sieť.

⬤ Vyvinúť a optimalizovať sieť autoenkodéra na detekciu odľahlých hodnôt.

⬤ Zavedenie sietí hlbokého učenia, ako sú CNN, RNN a LSTM, pomocou praktických príkladov.

⬤ Umiestnite vycvičenú sieť hlbokého učenia na reálne údaje.

Pre koho je táto kniha určená

Táto kniha je určená dátovým analytikom, dátovým vedcom a vývojárom hlbokého učenia, ktorí nie sú dobre zbehlí v jazyku Python, ale chcú sa naučiť používať grafické rozhranie KNIME na vytváranie, trénovanie, testovanie a nasadzovanie neurónových sietí s rôznymi architektúrami. Praktické implementácie uvedené v knihe nevyžadujú kódovanie ani žiadne znalosti špecializovaných skriptov, takže svoje znalosti môžete ľahko implementovať do praktických aplikácií. Na začatie práce s touto knihou nie sú potrebné žiadne predchádzajúce skúsenosti s používaním KNIME.