Învățarea profundă practică: O introducere bazată pe Python

Recenzii ale cititorilor

Cartea oferă o introducere accesibilă și practică în învățarea profundă, acoperind elementele fundamentale cu profunzime tehnică. Mulți cititori o consideră bine structurată și solidă din punct de vedere pedagogic, ceea ce o face potrivită atât pentru ingineri, cât și pentru pasionați. Cu toate acestea, unii recenzenți o critică pentru lipsa de profunzime a exemplelor de aplicații și susțin că nu oferă informații utile dincolo de ceea ce este disponibil online gratuit.

Introducere extrem de abordabilă, acoperire completă a fundamentelor, ghid practic cu exemple de cod, ajută la dezvoltarea intuiției, bine structurat și pedagogic.

Unii consideră că nu este nici practic, nici util, lipsindu-i aplicații complete; printre critici se numără faptul că informații similare sunt disponibile gratuit online.

(pe baza a 5 recenzii ale cititorilor)

Titlul original:

Practical Deep Learning: A Python-Based Introduction

Conținutul cărții:

Practical Deep Learning îi învață pe începători cum să construiască seturile de date și modelele necesare pentru a antrena rețele neuronale pentru propriile proiecte de DL.

Dacă ați fost curios în legătură cu învățarea automată, dar nu ați știut de unde să începeți, aceasta este cartea pe care o așteptați. Concentrându-se pe subdomeniul învățării automate cunoscut sub numele de învățare profundă, aceasta explică conceptele de bază și vă oferă fundația de care aveți nevoie pentru a începe să vă construiți propriile modele. Mai degrabă decât să prezinte pur și simplu rețete de utilizare a seturilor de instrumente existente, Practical Deep Learning vă învață de ce este învățarea profundă și vă va inspira să explorați mai departe.

Tot ce aveți nevoie este o familiaritate de bază cu programarea calculatoarelor și matematica de liceu - cartea va acoperi restul. După o introducere în Python, veți parcurge subiecte cheie, cum ar fi cum să construiți un set de date de instruire bun, să lucrați cu bibliotecile scikit-learn și Keras și să evaluați performanța modelelor dvs.

Veți învăța, de asemenea:

- Cum să utilizați modele clasice de învățare automată precum k-Nearest Neighbors, Random Forests și Support Vector Machines.

- Cum funcționează și cum sunt antrenate rețelele neuronale.

- Cum să utilizați rețelele neuronale convoluționale.

- Cum să dezvoltați de la zero un model de învățare profundă de succes.

Veți efectua experimente pe parcurs, construind un studiu de caz final care încorporează tot ceea ce ați învățat.

Introducerea perfectă în acest domeniu dinamic, în continuă expansiune, Practical Deep Learning vă va oferi abilitățile și încrederea necesare pentru a vă lansa în propriile proiecte de învățare automată.