Hodnotenie:
Kniha je cenená pre svoj praktický prístup k strojovému učeniu a TensorFlow s jasnými vysvetleniami a dobre komentovaným kódom. Mnohí recenzenti ju odporúčajú ako užitočný štartovací zdroj pre nováčikov v tejto oblasti. Bola však kritizovaná za to, že je príliš zjednodušená, chýbajú jej matematické základy a obsahuje zastarané príklady, ktoré nefungujú s najnovšími verziami TensorFlow. Niektorí používatelia považovali písanie za nesúrodé a mali pocit, že na internete možno nájsť lepšie informácie.
Výhody:⬤ Praktický úvod
⬤ dobre organizovaný
⬤ jasné vysvetlenia
⬤ skvelé príklady s komentovaným kódom
⬤ vhodné pre začiatočníkov
⬤ prízemný štýl výučby
⬤ dobré na spájanie existujúcich vedomostí.
⬤ Príliš základný pre skúsených používateľov
⬤ chýba matematická rigoróznosť
⬤ zastarané a nefunkčné príklady
⬤ niektorí považujú písanie za zlé a obchádzanie
⬤ druhá polovica sa príliš zameriava na jednoduchšie témy namiesto špecifík TensorFlow.
(na základe 22 čitateľských recenzií)
Machine Learning with Tensorflow
Zhrnutie
Strojové učenie s TensorFlow poskytuje čitateľom solídne základy konceptov strojového učenia a praktické skúsenosti s kódovaním TensorFlow v jazyku Python.
Zakúpenie tlačenej knihy zahŕňa bezplatnú elektronickú knihu vo formátoch PDF, Kindle a ePub od Manning Publications.
O technológii
TensorFlow, knižnica spoločnosti Google na rozsiahle strojové učenie, zjednodušuje často zložité výpočty tým, že ich reprezentuje ako grafy a efektívne mapuje časti grafov na stroje v klastri alebo na procesory jedného stroja.
O knihe
Kniha Strojové učenie s TensorFlow poskytuje čitateľom pevné základy konceptov strojového učenia a praktické skúsenosti s kódovaním TensorFlow v jazyku Python. Základy sa naučíte prácou s klasickými algoritmami predikcie, klasifikácie a zhlukovania. Potom prejdete na kapitoly o peniazoch: skúmanie konceptov hlbokého učenia, ako sú autoenkodéry, rekurentné neurónové siete a posilňovacie učenie. Preštudujte túto knihu a budete pripravení používať TensorFlow na vlastné aplikácie strojového učenia a hlbokého učenia.
Čo je vo vnútri
⬤ Priradenie vašich úloh k správnym prístupom strojového učenia a hlbokého učenia.
⬤ Vizualizácia algoritmov pomocou TensorBoard.
⬤ Poznanie a používanie neurónových sietí.
O čitateľovi
Napísaná pre vývojárov so skúsenosťami s jazykom Python a algebraickými konceptmi, ako sú vektory a matice.
O autorovi
Autor Nishant Shukla je výskumník v oblasti počítačového videnia zameraný na aplikáciu techník strojového učenia v robotike.
Hlavný technický redaktor Kenneth Fricklas je skúsený vývojár, autor a odborník na strojové učenie.
Obsah
ČASŤ 1 - VAŠA SÚPRAVA NA STROJOVÉ UČENIE.
⬤ Odyssea strojového učenia.
⬤ Základy programu TensorFlow.
ČASŤ 2 - ZÁKLADNÉ ALGORITMY UČENIA.
⬤ Lineárna regresia a ďalšie.
⬤ Jemný úvod do klasifikácie.
⬤ Automatické zhlukovanie údajov.
⬤ Skryté Markovove modely.
ČASŤ 3 - PARADIGMA NEURÓNOVÝCH SIETÍ.
⬤ Náhľad do autoenkodérov.
⬤ Učenie s posilňovaním.
⬤ Konvolučné neurónové siete.
⬤ Rekurentné neurónové siete.
⬤ Sekvenčné modely pre chatboty.
⬤ Užitočné prostredie.
