Hlboké učenie s Keras

Recenzie čitateľov

Kniha je praktickým sprievodcom implementáciou modelov hlbokého učenia pomocou Keras, ideálnym pre tých, ktorí sa už so strojovým učením oboznámili. Kladie dôraz na príklady kódovania namiesto teoretických poznatkov, takže je vhodná aj pre skúsených dátových vedcov. Chýba jej však hĺbka teórie a boli zaznamenané problémy s formátovaním, ktoré by mohli brániť v čítaní.

** Poskytuje praktické detaily implementácie a príklady modelov hlbokého učenia pomocou Keras. ** Vhodná pre čitateľov, ktorí už rozumejú konceptom strojového učenia. ** Pokrýva najnovší výskum a obsahuje dobre preskúmané príklady. ** Rýchly a pohodlný úvod do používania Kerasu.

** Chýba hĺbka teoretických vysvetlení a základnej matematiky. ** Mnohé príklady sú základné bez dostatočného kontextu alebo vysvetlenia. ** Zlé formátovanie knihy, najmä vo verzii pre Kindle, s ťažko čitateľnými obrázkami a kódom. ** Niektorí čitatelia ju považovali za predraženú vzhľadom na úroveň poskytovaného obsahu.

(na základe 42 čitateľských recenzií)

Pôvodný názov:

Deep Learning with Keras

Obsah knihy:

Poznámka vydavateľa: Toto vydanie z roku 2017 je zastarané a nie je kompatibilné s TensorFlow 2 ani s najnovšími aktualizáciami knižníc Pythonu. Teraz bolo vydané nové druhé vydanie aktualizované na rok 2020, ktoré obsahuje TensorFlow 2, Keras API, CNN, GAN, RNN, NLP a AutoML.

Kľúčové vlastnosti:

⬤ Implementujte rôzne algoritmy hlbokého učenia v Keras a zistite, ako sa hlboké učenie dá použiť v hrách.

⬤ Uvidíte, ako možno pomocou Keras implementovať rôzne modely hlbokého učenia a praktické prípady použitia.

⬤ Praktická, praktická príručka s príkladmi z reálneho sveta, ktorá vám poskytne pevné základy v Kerase.

Popis knihy:

Táto kniha začína tým, že vás zoznámi s algoritmami učenia pod dohľadom, ako je jednoduchá lineárna regresia, klasický viacvrstvový perceptron a zložitejšie hlboké konvolučné siete. Preskúmate aj spracovanie obrazu s rozpoznávaním obrázkov s ručne písanými číslicami, klasifikáciu obrázkov do rôznych kategórií a pokročilé rozpoznávanie objektov so súvisiacimi anotáciami obrázkov. Uvediete aj príklad identifikácie význačných bodov na detekciu tváre.

Ďalej sa zoznámite s rekurentnými sieťami, ktoré sú optimalizované na spracovanie sekvenčných údajov, ako je text, zvuk alebo časové rady. Následne sa zoznámite s algoritmami nekontrolovaného učenia, ako sú autoenkodéry a veľmi populárne generatívne adverzné siete (GAN). Preskúmate aj netradičné využitie neurónových sietí ako Prenos štýlov.

Nakoniec sa pozriete na posilňovacie učenie a jeho použitie pri hraní hier s umelou inteligenciou, čo je ďalší populárny smer výskumu a použitia neurónových sietí.

Čo sa naučíte:

⬤ Optimalizovať postupné funkcie na veľkej neurónovej sieti pomocou algoritmu Backpropagation.

⬤ Dokonale vyladiť neurónovú sieť s cieľom zlepšiť kvalitu výsledkov.

⬤ Použiť hlboké učenie na spracovanie obrazu a zvuku.

⬤ Použiť rekurzívne neurónové tenzorové siete (RNTN) na prekonanie štandardného vkladania slov v špeciálnych prípadoch.

⬤ Identifikovať problémy, pre ktoré sú vhodné riešenia pomocou rekurentných neurónových sietí (RNN).

⬤ Preskúmať proces potrebný na implementáciu autokodérov.

⬤ Vyvinúť hlbokú neurónovú sieť pomocou posilňovania učenia.

Pre koho je táto kniha určená:

Ak ste dátový vedec so skúsenosťami v oblasti strojového učenia alebo programátor umelej inteligencie s určitými skúsenosťami s neurónovými sieťami, táto kniha bude pre vás užitočným vstupom do hlbokého učenia s Kerasom. Pre túto knihu je potrebná znalosť jazyka Python.