Hodnotenie:
Recenzie vyzdvihujú knihu „Math and Architectures of Deep Learning“ ako prehľadný a užitočný zdroj informácií pre nováčikov aj skúsených čitateľov v oblasti hlbokého učenia. Je chválená za dôkladné pokrytie matematických základov a relevantných tém, ktoré poskytujú hlbšie pochopenie aplikácií umelej inteligencie. Čitatelia však upozorňujú, že na úplné pochopenie obsahu sú prospešné určité predchádzajúce znalosti matematiky.
Výhody:Kniha účinne vypĺňa medzery vo vedomostiach, rešpektuje inteligenciu čitateľa, slúži ako skvelý úvod a referencia pre začiatočníkov aj skúsených jednotlivcov, pokrýva široké spektrum dôležitých tém, ponúka pútavé vizuálne vysvetlenia a obsahuje moderné optimalizačné algoritmy.
Nevýhody:Kniha môže byť náročná pre tých, ktorí nemajú základy vektorového počtu alebo lineárnej algebry, čím je menej prístupná pre úplných nováčikov.
(na základe 6 čitateľských recenzií)
Math and Architectures of Deep Learning
Math and Architectures of Deep Learning (Matematika a architektúry hlbokého učenia) predstavuje základy DL užitočne a prístupne pre pracujúcich odborníkov z praxe.
Matematické paradigmy, ktoré sú základom hlbokého učenia, zvyčajne začínajú ako ťažko čitateľné akademické práce, ktoré často nechávajú inžinierov v nevedomosti o tom, ako ich modely skutočne fungujú. Matematika a architektúry hlbokého učenia preklenuje priepasť medzi teóriou a praxou, pričom matematiku hlbokého učenia uvádza vedľa praktických implementácií v jazykoch Python a PyTorch. Nahliadnete do "čiernej skrinky", aby ste pochopili, ako váš kód funguje, a naučíte sa porozumieť špičkovému výskumu, ktorý môžete premeniť na praktické aplikácie.
Zakúpenie tlačenej knihy zahŕňa bezplatnú elektronickú knihu vo formátoch PDF, Kindle a ePub od vydavateľstva Manning Publications.
O technológii
Je dôležité pochopiť, ako vaše modely hlbokého učenia fungujú, aby ste ich mohli efektívne udržiavať a vysvetľovať ostatným zainteresovaným stranám. Naučiť sa matematické základy a architektúru neurónových sietí môže byť náročné, ale návratnosť je veľká. Oslobodíte sa od slepého spoliehania sa na predpripravené modely DL a budete schopní vytvárať, prispôsobovať a reorganizovať ich pre svoje špecifické potreby. A keď sa niečo pokazí, budete radi, že dokážete rýchlo identifikovať a odstrániť problémy.
O knihe
Kniha Matematika a architektúry hlbokého učenia stanovuje základy DL spôsobom, ktorý je užitočný a zároveň prístupný pre pracujúcich praktikov. Každá kapitola skúma nový základný koncept DL alebo architektonický vzor, vysvetľuje základnú matematiku a na dobre komentovanom kóde jazyka Python ukazuje, ako fungujú v praxi. Začnete základmi algebry, kalkulu a štatistiky a prejdete až k najmodernejším paradigmám DL, ktoré pochádzajú z najnovšieho výskumu. Po skončení budete mať kombinovaný teoretický prehľad a praktické zručnosti na identifikáciu a implementáciu architektúry DL pre takmer akúkoľvek reálnu výzvu.
Čo je vnútri
⬤ Matematické, teoretické a programátorské princípy bok po boku.
⬤ Lineárna algebra, vektorový výpočet a viacrozmerná štatistika pre hlboké učenie.
⬤ Štruktúra neurónových sietí.
⬤ Implementácia architektúr hlbokého učenia pomocou Pythonu a PyTorchu.
⬤ Odstraňovanie nedostatočne výkonných modelov.
⬤ Ukážky pracovného kódu v zápisníkoch Jupyter na stiahnutie.
O čitateľovi
Pre programátorov v jazyku Python so základmi algebry a kalkulu.
O autorovi
Krishnendu Chaudhury je odborník na hlboké učenie a počítačové videnie s desaťročným pôsobením v spoločnostiach Google a Adobe Systems. V súčasnosti je technickým riaditeľom a spoluzakladateľom spoločnosti Drishti Technologies. Má doktorát z počítačových vied z University of Kentucky v Lexingtone.