Hodnotenie:
Recenzie vyzdvihujú knihu „Advanced Deep Learning with Keras“ ako vynikajúci zdroj informácií na pochopenie a praktické použitie techník hlbokého učenia. Kniha vyniká komplexným pokrytím tém, ako sú generatívne adverzné siete (GAN), variačné autoenkodéry (VAE) a posilňovacie učenie, pričom poskytuje praktické príklady a implementácie kódu s využitím Keras. Niektorí používatelia však hlásili technické problémy s verziou pre Kindle, pričom dochádzalo k zamrznutiu a pádom.
Výhody:⬤ Komplexné pokrytie pokročilých tém hlbokého učenia vrátane GAN, VAE a posilňovania učenia.
⬤ Dobrá vyváženosť praktických aplikácií, matematiky a vysvetlení.
⬤ Dobre napísané a zrozumiteľné pre začiatočníkov aj skúsených programátorov.
⬤ Poskytuje jasné príklady kódu a praktické poznatky o používaní Keras.
⬤ Vysoko odporúčané čitateľom na vytváranie aplikácií v oblasti hlbokého učenia.
⬤ Pri verzii pre Kindle boli hlásené technické problémy vrátane zamŕzania a pádov.
⬤ Pre niektorých používateľov môžu byť pokročilé témy bez predchádzajúcich znalostí náročné.
(na základe 8 čitateľských recenzií)
Advanced Deep Learning with Keras
Poznámka vydavateľa: Toto vydanie z roku 2018 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 a pokrytie nekontrolovaného učenia pomocou vzájomnej informácie, detekcie objektov a sémantickej segmentácie.
Komplexný sprievodca pokročilými technikami hlbokého učenia vrátane autoenkodérov, GAN, VAE a hlbokého posilňovacieho učenia, ktoré sú základom najpôsobivejších výsledkov dnešnej umelej inteligencie.
kľúčové vlastnosti
⬤ Preskúmajte najpokročilejšie techniky hlbokého učenia, ktoré poháňajú moderné výsledky AI.
⬤ Zavádzajte hlboké neurónové siete, autoenkodéry, GAN, VAE a hlboké posilňovacie učenie.
⬤ Široké štúdium GAN vrátane vylepšených GAN, GAN s krížovou doménou a GAN s rozptýlenou reprezentáciou.
Popis knihy:
Nedávny vývoj v oblasti hlbokého učenia vrátane generatívnych adverzných sietí (GAN), variačných autoenkodérov (VAE) a hlbokého posilňovacieho učenia (DRL) vytvára pôsobivé výsledky umelej inteligencie, ktoré sa objavujú v titulkoch našich správ - napríklad AlphaGo Zero poráža svetových šampiónov v šachu a generatívna umelá inteligencia dokáže vytvárať umelecké obrazy, ktoré sa predávajú za viac ako 400 tisíc dolárov, pretože sú veľmi podobné ľuďom.
Pokročilé hlboké učenie s Kerasom je komplexný sprievodca pokročilými technikami hlbokého učenia, ktoré sú dnes k dispozícii, aby ste si mohli vytvoriť vlastnú špičkovú umelú inteligenciu. Využívajúc Keras ako open-source knižnicu hlbokého učenia, nájdete v nej praktické projekty, ktoré vám ukážu, ako vytvoriť efektívnejšiu AI pomocou najnovších techník.
Cesta sa začína prehľadom MLP, CNN a RNN, ktoré sú základnými kameňmi pre pokročilejšie techniky v knihe. Naučíte sa implementovať modely hlbokého učenia pomocou Keras a TensorFlow 1. x a prejdete k pokročilým technikám, keď preskúmate architektúry hlbokých neurónových sietí vrátane ResNet a DenseNet a ako vytvoriť autoenkodéry. Potom sa dozviete všetko o sieťach GAN a o tom, ako môžu otvoriť nové úrovne výkonu umelej inteligencie. Ďalej sa zoznámite s tým, ako sa implementujú VAE, a uvidíte, ako majú GAN a VAE generatívnu silu syntetizovať údaje, ktoré môžu byť pre človeka mimoriadne presvedčivé - čo je pre modernú AI veľký krok vpred. Na doplnenie tohto súboru pokročilých techník sa naučíte implementovať DRL, ako sú Deep Q-Learning a Policy Gradient Methods, ktoré sú rozhodujúce pre mnohé moderné výsledky v oblasti AI.
Čo sa naučíte:
⬤ Najmodernejšie techniky v oblasti výkonnosti umelej inteligencie podobnej ľudskej.
⬤ Zavádzanie pokročilých modelov hlbokého učenia pomocou Keras.
⬤ Stavebné bloky pre pokročilé techniky - MLP, CNN a RNN.
⬤ Hlboké neurónové siete - ResNet a DenseNet.
⬤ Autoenkodéry a variačné autoenkodéry (VAE)
⬤ Generatívne adverzné siete (GAN) a kreatívne techniky umelej inteligencie.
⬤ Siete GAN s rozptýlenou reprezentáciou a siete GAN s krížovou doménou.
⬤ Metódy a implementácia hĺbkového posilňovania.
⬤ Vytváranie štandardných priemyselných aplikácií pomocou OpenAI Gym.
⬤ Hlboké metódy Q-učenia a gradientné metódy politiky.
Pre koho je táto kniha určená:
Predpokladá sa určitá znalosť jazyka Python. Keďže ide o knihu pre pokročilých, budete poznať niektoré prístupy strojového učenia a užitočné budú aj niektoré praktické skúsenosti s DL. Znalosť Keras alebo TensorFlow 1. x sa nevyžaduje, ale bola by užitočná.
