Generatívna umelá inteligencia s Pythonom a TensorFlow 2: Vytváranie obrázkov, textu a hudby pomocou VAE, GAN, LSTM, modelov Transformer

Recenzie čitateľov

Kniha poskytuje úvod do generatívnych modelov, pokrýva širokú škálu tém, nástrojov a aplikácií vrátane praktických príkladov kódovania. Je vhodná pre začiatočníkov aj skúsených odborníkov z praxe, hoci má určité nedostatky v štruktúre a relevantnosti niektorých častí obsahu.

⬤ Komplexné pokrytie generatívnych modelov a ich aplikácií.
⬤ Praktické príklady kódovania s použitím TensorFlow a Keras.
⬤ Podrobné návody na nastavenie programovacích prostredí.
⬤ Oslovuje široké publikum tým, že vysvetľuje zložité témy prístupným spôsobom.
⬤ Dobrá organizácia základných pojmov vedúca k praktickým projektom.

⬤ Niektoré kapitoly sa opakujú a obsahujú zbytočný obsah.
⬤ Príklady kódovania nemusia vždy fungovať, čo vedie k zmätku.
⬤ Štruktúra knihy je kritizovaná za zlú organizáciu s faktickými chybami.
⬤ Príklady v oblasti NLP sa považujú za slabšie v porovnaní s obrazovými/audio časťami.
⬤ Niektoré témy, ako napríklad posilňovanie učenia, nie sú relevantné pre hlavné zameranie na generatívne modely.

(na základe 21 čitateľských recenzií)

Pôvodný názov:

Generative AI with Python and TensorFlow 2: Create images, text, and music with VAEs, GANs, LSTMs, Transformer models

Obsah knihy:

Implementácia klasických a hlbokých generatívnych modelov učenia prostredníctvom praktických príkladov

Kľúčové vlastnosti:

⬤  Preskúmajte kreatívne a ľudské schopnosti umelej inteligencie a generujte pôsobivé výsledky.

⬤ Využite najnovší výskum a rozšírte svoje znalosti nad rámec tejto knihy.

⬤ Experimentujte s praktickými implementáciami najmodernejších generatívnych modelov v TensorFlow 2. x.

Popis knihy:

Generatívna umelá inteligencia v posledných rokoch zohráva kľúčovú úlohu pri vytváraní realistických dát (obrázkov, reči, videa, hudby a textu) od základov. V tejto knihe odhalíte, ako sa tieto výkonné modely vytvárajú z relatívne jednoduchých stavebných blokov a ako môžete tieto modely prispôsobiť vlastným prípadom použitia.

Začnete vytvorením čistého kontajnerového prostredia pre Python a zoznámite sa so základmi hlbokých neurónových sietí, pričom sa dozviete o základných pojmoch, ako je perceptron, aktivačné funkcie, spätné šírenie a ako spolu súvisia. Po zvládnutí základov sa budete podrobne zaoberať hlbokými generatívnymi modelmi vrátane generátorov správ OpenAI série GPT, sietí na prenos štýlu a hlbokých podvrhov a súčinnosti s posilňovaním učenia.

Ako budete postupovať, zameriate sa na abstrakcie, kde je to užitočné, a pochopíte "oriešky a skrutky" toho, ako sú modely zložené v kóde, podporené podrobnými diagramami architektúry. Knihu uzatvárajú rôzne praktické projekty na generovanie hudby, obrázkov, textu a reči pomocou metód, ktoré ste sa naučili v predchádzajúcich častiach, pričom budete spájať vrstvy TensorFlow, užitočné funkcie a trénovaciu slučku, aby ste odhalili súvislosti medzi rôznymi spôsobmi generovania.

Na konci tejto knihy získate znalosti na vytvorenie a implementáciu vlastných generatívnych modelov umelej inteligencie.

Čo sa naučíte:

⬤ Implementovať párový a nepárový prenos štýlov pomocou sietí ako StyleGAN.

⬤ Používať orientačné body tváre, autoenkodéry a pix2pix GAN na vytváranie deepfakes.

⬤ Vybudovať niekoľko pipeline na generovanie textov založených na LSTM, BERT a GPT-2 a naučiť sa, ako pozornosť a transformátory zmenili prostredie NLP.

⬤ Skladať hudbu pomocou modelov LSTM, jednoduchých generatívnych adverzných sietí a zložitej siete MuseGAN.

⬤ Trénovanie agenta hlbokého učenia na pohyb v simulovanom fyzickom prostredí.

⬤ Objavte nové aplikácie generatívnej umelej inteligencie, ako je skladanie proteínov a vytváranie videí z obrázkov.

Pre koho je táto kniha určená:

Táto kniha zaujme programátorov v jazyku Python, skúsených modelárov a inžinierov strojového učenia, ktorí sa chcú dozvedieť o tvorbe a implementácii generatívnych modelov. Aby ste z tejto knihy vyťažili čo najviac, mali by ste mať základné znalosti teórie pravdepodobnosti, lineárnej algebry a hlbokého učenia.