Hodnotenie:
Kniha sa prezentuje ako úvodný zdroj informácií o hĺbkovom učení, pričom sa zameriava na sprístupnenie zložitých konceptov začiatočníkom. Získala však zmiešané recenzie, pokiaľ ide o jej zrozumiteľnosť, chyby v príkladoch kódovania a celkovú organizáciu.
Výhody:⬤ Jasné a zrozumiteľné vysvetlenie konceptov hlbokého učenia.
⬤ Praktický prístup k implementácii neurónových sietí.
⬤ Prístupný aj začiatočníkom bez silného matematického zázemia.
⬤ Dobré základné znalosti o hlbokom učení v štýle postupného budovania.
⬤ Pútavé rozprávanie a analógie, ktoré pomáhajú demystifikovať zložité myšlienky.
⬤ Výrazné chyby v kódovaní, ktoré by mohli začiatočníkov zmiasť.
⬤ Niektoré kapitoly sú označené za mätúce alebo zle štruktúrované.
⬤ Obsahuje typografické chyby a príklady, ktoré sa zdajú nereálne alebo vymyslené, čo vedie k možnému nesúladu s praktickými aplikáciami.
⬤ Niektoré kritické časti nie sú dostatočne rozpracované, takže čitatelia hľadajú ďalšie zdroje na objasnenie.
(na základe 35 čitateľských recenzií)
Grokking Deep Learning
Zhrnutie
Grokking Deep Learning vás naučí budovať neurónové siete hlbokého učenia od základov Pútavým štýlom vám skúsený odborník na hlboké učenie Andrew Trask ukáže vedu pod kapotou, takže si sami osvojíte každý detail trénovania neurónových sietí.
Zakúpenie tlačenej knihy zahŕňa bezplatnú elektronickú knihu vo formátoch PDF, Kindle a ePub od vydavateľstva Manning Publications.
O technológii
Hlboké učenie, odvetvie umelej inteligencie, učí počítače učiť sa pomocou neurónových sietí, technológie inšpirovanej ľudským mozgom. Online preklad textu, samojazdiace autá, personalizované odporúčania produktov a virtuálni hlasoví asistenti sú len niektoré zo zaujímavých moderných pokrokov, ktoré sú možné vďaka hlbokému učeniu.
O knihe
Grokking Deep Learning vás naučí budovať neurónové siete hlbokého učenia od základov Pútavým štýlom vám skúsený expert na hlboké učenie Andrew Trask ukáže vedu pod kapotou, aby ste si sami osvojili každý detail trénovania neurónových sietí. Len s použitím jazyka Python a jeho knižnice NumPy, ktorá podporuje matematiku, si natrénujete vlastné neurónové siete, aby ste videli a rozumeli obrázkom, prekladali text do rôznych jazykov a dokonca písali ako Shakespeare Keď skončíte, budete plne pripravení prejsť na zvládnutie rámcov hlbokého učenia.
Čo je vnútri
⬤ Veda v pozadí hlbokého učenia.
⬤ Tvorba a trénovanie vlastných neurónových sietí.
⬤ Koncepty súkromia vrátane federatívneho učenia.
⬤ Tipy pre pokračovanie v snahe o hlboké učenie.
O čitateľovi
Pre čitateľov so stredoškolskou úrovňou matematiky a stredne pokročilými zručnosťami v programovaní.
O autorovi
Andrew Trask je doktorand na Oxfordskej univerzite a vedecký pracovník v spoločnosti DeepMind. Predtým Andrew pôsobil ako výskumník a manažér analytických produktov v spoločnosti Digital Reasoning, kde trénoval najväčšiu umelú neurónovú sieť na svete a pomáhal riadiť analytický plán pre kognitívnu výpočtovú platformu Synthesys.
Obsah
⬤ Predstavenie hlbokého učenia: prečo by ste sa ho mali naučiť.
⬤ Základné pojmy: ako sa stroje učia?
⬤ Uvedenie do neurónovej predikcie: dopredné šírenie.
⬤ Úvod do neurónového učenia: gradientný zostup.
⬤ Učenie viacerých váh naraz: zovšeobecnenie gradientného zostupu.
⬤ Zostavenie prvej hlbokej neurónovej siete: úvod do spätného šírenia.
⬤ Ako si predstaviť neurónové siete: v hlave a na papieri.
⬤ Učenie signálu a ignorovanie šumu: úvod do regularizácie a dávkovania.
⬤ Modelovanie pravdepodobností a nelinearít: aktivačné funkcie.
⬤ Neurónové učenie o hranách a rohoch: úvod do konvolučných neurónových sietí.
⬤ Neurónové siete, ktoré rozumejú jazyku: kráľ - muž + žena ==?
⬤ Neurónové siete, ktoré píšu ako Shakespeare: rekurentné vrstvy pre dáta s premenlivou dĺžkou.
⬤ Zavedenie automatickej optimalizácie: vytvorme rámec hlbokého učenia.
⬤ Učenie sa písať ako Shakespeare: dlhá krátkodobá pamäť.
⬤ Hlboké učenie na neviditeľných údajoch: zavedenie federatívneho učenia.
⬤ Kam ďalej: stručný sprievodca.
