Pokročilé hlboké učenie s Pythonom

Recenzie čitateľov

Kniha „Advanced Deep Learning with Python“ od Ivana Vasileva je vysoko cenená pre dôkladný a hĺbkový prieskum konceptov hlbokého učenia s dôrazom na základnú matematiku a praktické aplikácie v jazyku Python. Je určená čitateľom so základmi v oblasti umelej inteligencie a strojového učenia a zahŕňa širokú škálu tém vrátane architektúr neurónových sietí, počítačového videnia, spracovania prirodzeného jazyka a nových technológií. Hoci je kniha komplexná a dobre štruktúrovaná, odporúča sa predovšetkým tým, ktorí už majú určité znalosti v tejto oblasti.

⬤ Hlboké pokrytie konceptov hlbokého učenia.
⬤ Dobre štruktúrované a jasné vysvetlenie matematických základov.
⬤ Prístupné príklady kódu v jazyku Python dostupné na GitHub.
⬤ Samostatné kapitoly umožňujúce sústredené štúdium konkrétnych tém.
⬤ Cenné pre teoretické pochopenie aj praktickú implementáciu.
⬤ Vhodné pre pokročilé aplikácie, ako sú GAN a NLP.
⬤ Skvelé na štúdium zložitostí neurónových sietí a súvisiacich algoritmov.

⬤ Nie je vhodný pre úplných začiatočníkov; odporúčajú sa predchádzajúce znalosti hlbokého učenia.
⬤ Pre niektorých čitateľov môže byť potrebná znalosť jazyka Python, aby sa mohli naplno venovať príkladom kódu.
⬤ Pre niektorých čitateľov môže byť matematika náročná, ak nemajú solídne základy.
⬤ Kniha nemusí dobre poslúžiť ako samostatný úvod pre tých, ktorí nie sú oboznámení s rámcami hlbokého učenia.

(na základe 23 čitateľských recenzií)

Pôvodný názov:

Advanced Deep Learning with Python

Obsah knihy:

Získajte odborné znalosti v pokročilých doménach hlbokého učenia, ako sú neurónové siete, metaučenie, grafové neurónové siete a neurónové siete s rozšírenou pamäťou pomocou ekosystému Python Kľúčové vlastnosti Osvojte si budovanie rýchlejších a robustnejších architektúr hlbokého učenia Skúmajte a trénujte modely konvolučných neurónových sietí (CNN) pomocou knižníc akcelerovaných GPU, ako sú TensorFlow a PyTorch Aplikujte hlboké neurónové siete (DNN) na problémy počítačového videnia, NLP a GAN Popis knihy

Aby ste mohli vytvoriť robustné systémy hlbokého učenia, musíte pochopiť všetko od fungovania neurónových sietí až po trénovanie modelov CNN. V tejto knihe objavíte novo vyvinuté modely hlbokého učenia, metodiky používané v tejto oblasti a ich implementáciu na základe oblastí použitia.

Začnete tým, že pochopíte stavebné prvky a matematiku neurónových sietí, a potom prejdete na CNN a ich pokročilé aplikácie v počítačovom videní. Naučíte sa tiež aplikovať najpopulárnejšie architektúry CNN pri detekcii objektov a segmentácii obrazu. Ďalej sa zameriate na variačné autoenkodéry a GAN. Potom budete používať neurónové siete na extrakciu zložitých vektorových reprezentácií slov a potom sa budete venovať rôznym typom rekurentných sietí, ako sú LSTM a GRU. Dokonca preskúmate mechanizmus pozornosti na spracovanie sekvenčných údajov bez pomoci rekurentných neurónových sietí (RNN). Neskôr budete používať grafové neurónové siete na spracovanie štruktúrovaných údajov spolu s pokrytím metaučenia, ktoré umožňuje trénovať neurónové siete s menším počtom tréningových vzoriek. Nakoniec pochopíte, ako aplikovať hlboké učenie na autonómne vozidlá.

Na konci tejto knihy budete ovládať kľúčové koncepty hlbokého učenia a rôzne aplikácie modelov hlbokého učenia v reálnom svete. Čo sa naučíte Pokrytie pokročilých a najmodernejších architektúr neurónových sietí Pochopenie teórie a matematiky v pozadí neurónových sietí Trénovanie DNN a ich aplikácia na moderné problémy hlbokého učenia Používanie CNN na detekciu objektov a segmentáciu obrazu Implementácia generatívnych adverzných sietí (GAN) a variačných autoenkodérov na generovanie nových obrazov Riešenie úloh spracovania prirodzeného jazyka (NLP), ako je strojový preklad, pomocou modelov sekvencia-sekvencia Pochopenie techník DL, ako je metaučenie a grafové neurónové siete Komu je táto kniha určená

Táto kniha je určená pre dátových vedcov, inžinierov a výskumníkov zaoberajúcich sa hlbokým učením a vývojárov umelej inteligencie, ktorí chcú prehĺbiť svoje znalosti o hlbokom učení a vytvoriť inovatívne a jedinečné projekty hlbokého učenia. Táto kniha bude užitočná aj pre každého, kto sa chce oboznámiť s pokročilými prípadmi použitia a metodikami prijatými v oblasti hlbokého učenia na príkladoch z reálneho sveta. Predpokladá sa základné pochopenie konceptov hlbokého učenia a praktická znalosť programovacieho jazyka Python. Obsah Nuts and Bolts of Neural Networks Porozumenie konvolučným sieťam Pokročilé konvolučné siete Detekcia objektov a segmentácia obrazu Generatívne modely Modelovanie jazyka Porozumenie rekurentným sieťam Modely sekvencie k sekvencii a pozornosť Nové návrhy neurónových sietí Meta učenie Hlboké učenie pre autonómne vozidlá