Príručka architekta hlbokého učenia: Vytvorte a nasaďte DL riešenia pripravené na produkciu s využitím najnovších techník Pythonu

Recenzie čitateľov

Kniha je komplexným sprievodcom hlbokým učením, ktorý zahŕňa základné architektúry, pokročilé techniky, hodnotenie modelov, zaujatosť a spravodlivosť a postupy nasadenia v reálnom svete. Je štruktúrovaná do prehľadných častí, vďaka čomu je prístupná pre začiatočníkov aj skúsených odborníkov z praxe. Praktické príklady a sprievodný kód výrazne zvyšujú zážitok z učenia.

Ponúka dôkladné pochopenie metodík hlbokého učenia, praktické poznatky o tvorbe a nasadení modelov, vynikajúce ilustrácie, bohatý obsah o zaujatosti a spravodlivosti, štruktúrované usporiadanie pre ľahké pochopenie, praktické cvičenia s príkladmi kódu v jazyku Python a vyhovuje rôznym úrovniam odborných znalostí.

Pre niektorých čitateľov môžu byť niektoré zložité témy stále náročné, a hoci pokrýva široké spektrum tém, tí, ktorí hľadajú veľmi špecializované vedomosti, budú možno musieť konzultovať ďalšie zdroje.

(na základe 10 čitateľských recenzií)

Pôvodný názov:

The Deep Learning Architect's Handbook: Build and deploy production-ready DL solutions leveraging the latest Python techniques

Obsah knihy:

Využite silu hlbokého učenia na zvýšenie produktivity a efektívnosti pomocou tejto praktickej príručky, ktorá zahŕňa techniky a osvedčené postupy pre celý životný cyklus hlbokého učenia.

Kľúčové vlastnosti: Získajte praktické skúsenosti s každým krokom životného cyklu hlbokého učenia Preskúmajte prípadové štúdie a riešenia na nasadenie modelov DL a zároveň riešte škálovateľnosť, odklon údajov a etické aspekty Kúpa tlačenej knihy alebo knihy pre Kindle zahŕňa bezplatnú elektronickú knihu PDF

Popis knihy: V knihe sa dočítate, ako je možné, že sa vám podarí získať informácie o technológii DLI:

Hlboké učenie umožňuje predtým nedosiahnuteľné výkony v oblasti automatizácie, ale získať z neho reálnu obchodnú hodnotu je náročná úloha. Táto kniha vás naučí, ako vytvárať komplexné modely hlbokého učenia a získať intuíciu pre štruktúrovanie údajov na dosiahnutie cieľov hlbokého učenia.

Táto kniha o hlbokom učení skúma všetky aspekty životného cyklu hlbokého učenia, od plánovania a prípravy údajov až po nasadenie a správu modelov, pričom využíva reálne scenáre, ktoré vás prevedú vytváraním, nasadzovaním a správou pokročilých riešení. Naučíte sa tiež pracovať s obrazovými, zvukovými, textovými a video údajmi pomocou architektúr hlbokého učenia, ako aj optimalizovať a objektívne vyhodnocovať svoje modely hlbokého učenia s cieľom riešiť problémy, ako je zaujatosť, spravodlivosť, útoky protihráčov a transparentnosť modelov.

Ako budete postupovať, využijete silu platforiem umelej inteligencie na zefektívnenie životného cyklu hlbokého učenia a využijete knižnice a rámce jazyka Python, ako sú PyTorch, ONNX, Catalyst, MLFlow, Captum, Nvidia Triton, Prometheus a Grafana, na vykonávanie efektívnych architektúr hlbokého učenia, optimalizáciu výkonu modelov a zefektívnenie procesov nasadenia. Objavíte tiež transformačný potenciál veľkých jazykových modelov (LLM) pre širokú škálu aplikácií.

Na konci tejto knihy budete ovládať techniky hlbokého učenia, aby ste uvoľnili jeho plný potenciál pre svoje snahy.

Čo sa naučíte: Použiť vyhľadávanie neurónovej architektúry (NAS) na automatizáciu návrhu umelých neurónových sietí (ANN) Implementovať rekurentné neurónové siete (RNN), konvolučné neurónové siete (CNN), BERT, transformátory a ďalšie na vytvorenie modelu Vyrovnať sa s multimodálnym driftom dát v produkčnom prostredí Vyhodnotiť kvalitu a skreslenie svojich modelov Preskúmať techniky na ochranu svojho modelu pred nepriateľskými útokmi Zvládnuť nasadenie modelu pomocou DataRobot AutoML

Pre koho je táto kniha určená:

Táto kniha je určená pre odborníkov z praxe, dátových vedcov a vývojárov strojového učenia, ktorí chcú preskúmať architektúry hlbokého učenia na riešenie zložitých obchodných problémov. Odborníci v širšom priestore hlbokého učenia a umelej inteligencie budú tiež profitovať z poskytnutých poznatkov, ktoré sú použiteľné v rôznych prípadoch použitia v podnikaní. Na začatie práce s touto knihou sú potrebné pracovné znalosti programovania v jazyku Python a základné znalosti techník hlbokého učenia.