Hodnotenie:
Kniha je komplexným zdrojom informácií o hlbokom učení, ktorý pokrýva širokú škálu tém od základných neurónových sietí až po pokročilé modely, ako je posilňovanie učenia, a aplikácie v oblastiach, ako je počítačové videnie a autonómne vozidlá. Je dobre prijímaná pre svoje jasné vysvetlenia a praktické príklady, vďaka čomu je vhodná pre rôzne úrovne zručností. Niektorí používatelia však lamentujú nad odstránením cenného obsahu z predchádzajúcich vydaní a objavujú sa aj kritické pripomienky týkajúce sa kvality grafiky a dostupnosti doplnkových materiálov.
Výhody:Široké pokrytie tém hlbokého učenia, jasné vysvetlenia vhodné pre rôzne úrovne zručností, praktické príklady, zahrnutie hlavných knižníc hlbokého učenia, komplexné časti o počítačovom videní a posilňovaní učenia.
Nevýhody:Odstránený cenný materiál z predchádzajúcich vydaní, podpriemerná kvalita grafiky, mätúce doplnkové materiály (napr. odkazy na GitHub smerujúce na nesprávne úložiská) a niektoré témy, najmä v oblasti spracovania prirodzeného jazyka, by mohli byť podrobnejšie.
(na základe 8 čitateľských recenzií)
Python Deep Learning - Second Edition: Exploring deep learning techniques and neural network architectures with PyTorch, Keras, and TensorFlow, 2nd Ed
Naučte sa pokročilé techniky hlbokého učenia a ich aplikácie pomocou populárnych knižníc Pythonu
Kľúčové vlastnosti
⬤ Vybudujte si pevné základy v oblasti neurónových sietí a hlbokého učenia pomocou knižníc Pythonu.
⬤ Preskúmajte pokročilé techniky hlbokého učenia a ich aplikácie v oblasti počítačového videnia a NLP.
⬤ Učte sa, ako sa počítač dokáže orientovať v zložitých prostrediach pomocou posilňovania učenia.
Popis knihy
S prudkým nárastom umelej inteligencie v aplikáciách uspokojujúcich potreby podnikov aj spotrebiteľov je hlboké učenie dôležitejšie ako kedykoľvek predtým pre splnenie súčasných a budúcich požiadaviek trhu. S touto knihou preskúmate hlboké učenie a naučíte sa, ako využiť strojové učenie vo svojich projektoch.
Toto druhé vydanie knihy Python Deep Learning vás oboznámi s hlbokým učením, hlbokými neurónovými sieťami a s tým, ako ich trénovať pomocou vysoko výkonných algoritmov a populárnych rámcov jazyka Python. Odhalíte rôzne architektúry neurónových sietí, ako sú konvolučné siete, rekurentné neurónové siete, siete s dlhou krátkodobou pamäťou (LSTM) a kapsulové siete. Naučíte sa tiež riešiť problémy v oblastiach počítačového videnia, spracovania prirodzeného jazyka (NLP) a rozpoznávania reči. Budete študovať prístupy generatívnych modelov, ako sú variačné autoenkodéry a generatívne adverzné siete (GAN) na generovanie obrazov. Keď sa ponoríte do novo vyvinutých oblastí posilňovania učenia, získate pochopenie najmodernejších algoritmov, ktoré sú hlavnými zložkami populárnych hier Go, Atari a Dota.
Na konci knihy budete dobre oboznámení s teóriou hlbokého učenia spolu s jeho reálnymi aplikáciami.
Čo sa naučíte
⬤ Uchopiť matematickú teóriu stojacu za neurónovými sieťami a procesmi hlbokého učenia.
⬤ Vyskúmať a vyriešiť problémy počítačového videnia pomocou konvolučných sietí a kapsulových sietí.
⬤ Riešenie generatívnych úloh pomocou variačných autoenkodérov a generatívnych adverzných sietí.
⬤ Vykonávanie komplexných úloh NLP pomocou rekurentných sietí (LSTM a GRU) a modelov pozornosti.
⬤ Preskúmajte učenie posilňovaním a pochopte, ako sa agenti správajú v komplexnom prostredí.
⬤ Získajte aktuálne informácie o aplikáciách hlbokého učenia v autonómnych vozidlách.
Pre koho je táto kniha určená.
Táto kniha je určená pre odborníkov z praxe v oblasti dátovej vedy, inžinierov strojového učenia a záujemcov o hlboké učenie, ktorí majú základné základy strojového učenia a určité skúsenosti s programovaním v jazyku Python. Základné znalosti matematiky a koncepčné chápanie kalkulu a štatistiky vám pomôžu získať z tejto knihy maximálny úžitok.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)