Învățarea profundă cu Keras

Recenzii ale cititorilor

Cartea este un ghid practic pentru implementarea modelelor de învățare profundă utilizând Keras, ideal pentru cei care sunt deja familiarizați cu învățarea automată. Ea pune accentul pe exemplele de codare în detrimentul înțelegerii teoretice, ceea ce o face potrivită pentru cercetătorii de date cu experiență. Cu toate acestea, îi lipsește profunzimea în teorie și au fost observate probleme de formatare, care ar putea împiedica experiența de lectură.

** Oferă detalii practice de implementare și exemple de modele de învățare profundă utilizând Keras. ** Potrivit pentru cititorii care înțeleg deja conceptele de învățare automată. ** Acoperă cercetările recente și include exemple bine documentate. ** Introducere rapidă și convenabilă în utilizarea Keras.

** Lipsă de profunzime în explicațiile teoretice și matematicile subiacente. ** Multe exemple sunt de bază fără context sau explicații suficiente. ** Formatare slabă a cărții, în special în versiunea Kindle, cu imagini și cod greu de citit. ** Unii cititori au considerat-o prea scumpă pentru nivelul de conținut furnizat.

(pe baza a 42 recenzii ale cititorilor)

Titlul original:

Deep Learning with Keras

Conținutul cărții:

Nota editorului: Această ediție din 2017 este depășită și nu este compatibilă cu TensorFlow 2 sau cu oricare dintre cele mai recente actualizări ale bibliotecilor Python. O nouă ediție a doua, actualizată pentru 2020 și care include TensorFlow 2, API-ul Keras, CNN-uri, GAN-uri, RNN-uri, NLP și AutoML, a fost publicată acum.

Caracteristici principale:

⬤ Implementați diverși algoritmi de învățare profundă în Keras și vedeți cum poate fi utilizată învățarea profundă în jocuri.

⬤ Vezi cum diverse modele de învățare profundă și cazuri practice de utilizare pot fi implementate folosind Keras.

⬤ Un ghid practic, hands-on cu exemple din lumea reală pentru a vă oferi o bază solidă în Keras.

Descrierea cărții:

Această carte începe prin a vă prezenta algoritmii de învățare supravegheată, cum ar fi regresia liniară simplă, perceptronul multistrat clasic și rețelele convoluționale profunde mai sofisticate. De asemenea, veți explora procesarea imaginilor cu recunoașterea imaginilor cu cifre scrise de mână, clasificarea imaginilor în diferite categorii și recunoașterea avansată a obiectelor cu adnotări aferente imaginilor. De asemenea, este oferit un exemplu de identificare a punctelor saliente pentru detectarea feței.

În continuare, veți face cunoștință cu rețelele recurente, care sunt optimizate pentru prelucrarea datelor secvențiale, cum ar fi text, audio sau serii cronologice. În continuare, veți afla mai multe despre algoritmii de învățare nesupravegheați, cum ar fi Autoencoderii și foarte popularele Generative Adversarial Networks (GANs). Veți explora, de asemenea, utilizări netradiționale ale rețelelor neuronale, cum ar fi transferul de stil.

În cele din urmă, veți analiza învățarea prin consolidare și aplicarea acesteia la jocurile AI, o altă direcție populară de cercetare și aplicare a rețelelor neuronale.

Ce veți învăța:

⬤ Optimizați funcții pas cu pas pe o rețea neuronală mare utilizând algoritmul Backpropagation.

⬤ Ajustarea unei rețele neuronale pentru a îmbunătăți calitatea rezultatelor.

⬤ Utilizați învățarea profundă pentru prelucrarea imaginilor și a sunetului.

⬤ Utilizarea rețelelor neuronale tensoriale recursive (RNTN) pentru a depăși, în cazuri speciale, încorporarea standard a cuvintelor.

⬤ Identificarea problemelor pentru care sunt adecvate soluțiile rețelelor neuronale recurente (RNN).

⬤ Explorați procesul necesar pentru implementarea autocodurilor.

⬤ Evoluarea unei rețele neuronale profunde utilizând învățarea prin consolidare.

Pentru cine este această carte:

Dacă sunteți un om de știință de date cu experiență în învățarea automată sau un programator AI cu o anumită expunere la rețele neuronale, veți găsi această carte un punct de intrare util în învățarea profundă cu Keras. Pentru această carte sunt necesare cunoștințe de Python.