Hlboké učenie od nuly: Budovanie s Pythonom od prvých princípov

Recenzie čitateľov

Kniha poskytuje dôkladný úvod do kódovania neurónových sietí od začiatku, s užitočnými príkladmi kódu a intuitívnymi vysvetleniami. Trpí však značnými problémami, ako je neúplný kód, slabé matematické vysvetlenia a chyby v celom texte, čo vedie k frustrácii mnohých čitateľov. Hoci online verzia môže byť prínosnejšia ako tlačená, celkovo má kniha zmiešané prijatie.

Dobre organizované, jasne vysvetlené koncepty, rozsiahle príklady kódu, jedinečné zameranie na kódovanie neurónových sietí od základov, dobrý zdroj na pochopenie základov hlbokého učenia.

Časté chyby, neúplný kód, nedostatočne vysvetlená matematika, čiernobiele diagramy, neorganizovaná prezentácia a niektorí čitatelia pociťovali nedostatok podporných vysvetlení alebo intuície za konceptmi.

(na základe 36 čitateľských recenzií)

Pôvodný názov:

Deep Learning from Scratch: Building with Python from First Principles

Obsah knihy:

S oživením neurónových sietí v roku 2010 sa hlboké učenie stalo nevyhnutným pre odborníkov na strojové učenie a dokonca aj pre mnohých softvérových inžinierov. Táto kniha poskytuje komplexný úvod pre dátových vedcov a softvérových inžinierov so skúsenosťami so strojovým učením. Začnete so základmi hlbokého učenia a rýchlo prejdete k detailom dôležitých pokročilých architektúr, pričom cestou budete všetko implementovať od začiatku.

Autor Seth Weidman vám ukáže, ako neurónové siete fungujú pomocou prístupu založeného na prvých princípoch. Naučíte sa, ako od základov aplikovať viacvrstvové neurónové siete, konvolučné neurónové siete a rekurentné neurónové siete. Vďaka dôkladnému pochopeniu toho, ako neurónové siete fungujú z matematického, výpočtového a koncepčného hľadiska, budete pripravení na úspech pri všetkých budúcich projektoch hlbokého učenia.

Táto kniha poskytuje:

⬤ Veľmi jasné a dôkladné mentálne modely - sprevádzané príkladmi funkčného kódu a matematickými vysvetleniami - na pochopenie neurónových sietí.

⬤ Metódy na implementáciu viacvrstvových neurónových sietí od základov pomocou ľahko pochopiteľného objektovo orientovaného rámca.

⬤ Fungujúce implementácie a zrozumiteľné vysvetlenia konvolučných a rekurentných neurónových sietí.

⬤ Implementácia týchto konceptov neurónových sietí pomocou populárneho rámca PyTorch.