Carte de bucate privind învățarea profundă TensorFlow 1.x

Recenzii ale cititorilor

Cartea primește recenzii mixte, unii lăudând acoperirea cuprinzătoare a TensorFlow și abordarea sa practică, în timp ce alții o critică pentru editarea slabă, lipsa de claritate și numeroasele erori.

Cartea oferă o prezentare generală la nivel înalt a TensorFlow, acoperă o gamă largă de modele de învățare profundă și urmează un format practic de carte de bucate, ceea ce o face utilă pentru utilizatorii avansați. Capitolele specifice, cum ar fi cele referitoare la Autoencodere și Reinforcement Learning, sunt deosebit de bine primite. Cartea simplifică conceptele complexe și oferă detalii bune cu privire la implementare. De asemenea, include instrucțiuni pas cu pas pentru utilizarea modelelor TensorFlow în aplicații mobile.

Multe recenzii evidențiază erori semnificative de editare, inclusiv fragmente de cod incorecte și formatare slabă, care pot duce la confuzie. Unii cititori consideră că organizarea conținutului este deficitară, cu exemple prost explicate. Cartea este criticată pentru că este înșelătoare în prezentarea conținutului, deoarece unele secțiuni se bazează pe Keras mai degrabă decât pe TensorFlow. În plus, se susține că multe concepte și fragmente de cod pot fi găsite gratuit pe internet, ceea ce face ca prețul cărții să fie prea mare.

(pe baza a 16 recenzii ale cititorilor)

Titlul original:

TensorFlow 1.x Deep Learning Cookbook

Conținutul cărții:

Faceți pasul următor în implementarea diferitelor rețele neuronale comune și nu atât de comune cu Tensorflow 1. x

Caracteristici principale:

⬤ Să vă perfecționați și să implementați rețele neuronale dificile utilizând TensorFlow 1. x de la Google.

⬤ Un ghid ușor de urmat care vă permite să explorați învățarea prin întărire, GAN-uri, autoencodere, perceptroni multistrat și multe altele.

⬤ Rețete practice pentru a lucra cu Tensorflow pe desktop, mobil și în mediul cloud.

Descrierea cărții:

Rețelele neuronale profunde (DNN) au obținut mult succes în domeniul vederii pe calculator, al recunoașterii vorbirii și al procesării limbajului natural. Acest ghid captivant bazat pe rețete vă va duce de pe tărâmul teoriei DNN la implementarea lor practică pentru a rezolva probleme reale din domeniul inteligenței artificiale.

În această carte, veți învăța cum să utilizați eficient TensorFlow, cadrul cu sursă deschisă al Google pentru învățarea profundă. Veți implementa diferite rețele de învățare profundă, cum ar fi rețelele neuronale convoluționale (CNN), rețelele neuronale recurente (RNN), rețelele Deep Q-learning (DQN) și rețelele Generative Adversarial (GAN), cu rețete autonome ușor de urmat. Veți învăța cum să utilizați TensorFlow cu Keras ca backend. Veți învăța cum funcționează diferite DNN-uri pe unele seturi de date utilizate popular, cum ar fi MNIST, CIFAR-10 și Youtube8m. Nu numai că veți învăța despre diferitele platforme mobile și integrate acceptate de TensorFlow, dar și cum să configurați platforme cloud pentru aplicații de învățare profundă. Veți obține, de asemenea, o privire de ansamblu asupra arhitecturii TPU și a modului în care aceasta va afecta viitorul DNN-urilor.

Utilizând rețete clare și fără noimă, veți deveni un expert în implementarea tehnicilor de învățare profundă în aplicații din lumea reală în creștere și în domenii de cercetare precum învățarea prin întărire, GAN-uri și autoencodere.

Ce veți învăța:

⬤ Luați în folosință seturi de date diferite, cum ar fi MNIST, CIFAR-10 și Youtube8m cu TensorFlow și învățați cum să le accesați și să le utilizați în codul dvs.

⬤ Utilizați TensorBoard pentru a înțelege arhitecturile rețelelor neuronale, pentru a optimiza procesul de învățare și pentru a privi în interiorul cutiei negre a rețelelor neuronale.

⬤ Utilizați diferite tehnici de regresie pentru probleme de predicție și clasificare.

⬤ Construiți perceptroni cu un singur strat și multistrat în TensorFlow.

⬤ Implementați un CNN și o RNN în TensorFlow și utilizați-le pentru a rezolva probleme din lumea reală.

⬤ Învățați cum mașinile Boltzmann restricționate pot fi utilizate pentru a recomanda filme.

⬤ Înțelegeți punerea în aplicare a autoencoderelor și a rețelelor de credință profundă și utilizați-le pentru detectarea emoțiilor.

⬤ Să stăpânească diferitele metode de învățare prin consolidare pentru a implementa agenți de joc.

Pentru cine este această carte:

Această carte este destinată analiștilor de date, oamenilor de știință din domeniul datelor, practicienilor în domeniul învățării automate și entuziaștilor învățării profunde care doresc să efectueze în mod regulat sarcini de învățare profundă și caută un ghid la îndemână la care să se poată referi. Persoanele care sunt ușor familiarizate cu rețelele neuronale, iar acum doresc să obțină expertiză în lucrul cu diferite tipuri de rețele neuronale și seturi de date, vor găsi această carte destul de utilă.