Python Deep Learning - Ediția a treia: Înțelegeți cum funcționează rețelele neuronale profunde și aplicați-le la sarcini din lumea reală

Recenzii ale cititorilor

Cartea „Python Deep Learning” oferă un ghid practic și cuprinzător pentru a înțelege și a construi modele de învățare profundă cu Python. Acesta echilibrează bazele teoretice cu exemple practice, acoperind subiecte esențiale, cum ar fi rețelele neuronale, rețelele convoluționale, procesarea limbajului natural și MLOps. Scrierea este clară și captivantă, ceea ce o face potrivită atât pentru începători, cât și pentru practicieni experimentați. Cu toate acestea, cititorii au remarcat un salt potențial în complexitate uneori și au sugerat specificații mai clare ale versiunii pentru Python și biblioteci.

Acoperire cuprinzătoare a conceptelor de învățare profundă de la subiecte de bază la subiecte avansate.

Exemple practice hands-on și explicații clare.

(pe baza a 10 recenzii ale cititorilor)

Titlul original:

Python Deep Learning - Third Edition: Understand how deep neural networks work and apply them to real-world tasks

Conținutul cărții:

Stăpânește navigarea eficientă a rețelelor neuronale, inclusiv convoluțiile și transformatoarele, pentru a aborda viziunea computerizată și sarcinile NLP utilizând Python

Caracteristici principale:

⬤ Înțelegeți teoria, fundamentele matematice și structura rețelelor neuronale profunde.

⬤ Familiarizați-vă cu transformatoarele, modelele lingvistice mari și rețelele convoluționale.

⬤ Învățați cum să le aplicați pe diverse probleme de viziune computerizată și de procesare a limbajului natural Achiziționarea cărții tipărite sau Kindle include o carte electronică PDF gratuită.

Descrierea cărții:

Domeniul învățării profunde s-a dezvoltat rapid în ultimii ani și acoperă astăzi o gamă largă de aplicații. Acest lucru îl face dificil de navigat și greu de înțeles fără baze solide. Această carte vă va ghida de la elementele de bază ale rețelelor neuronale până la cele mai moderne modele de limbaj mare utilizate astăzi.

Prima parte a cărții prezintă principalele concepte și paradigme de învățare automată. Aceasta acoperă fundamentele matematice, structura și algoritmii de formare a rețelelor neuronale și se scufundă în esența învățării profunde.

A doua parte a cărții prezintă rețelele convoluționale pentru viziunea computerizată. Vom învăța cum să rezolvăm clasificarea imaginilor, detectarea obiectelor, segmentarea instanțelor și sarcinile de generare a imaginilor.

A treia parte se concentrează pe mecanismul de atenție și transformatoare - arhitectura de rețea de bază a modelelor mari de limbaj. Vom discuta despre noi tipuri de sarcini avansate, pe care acestea le pot rezolva, cum ar fi roboții de chat și generarea de text în imagine.

Până la sfârșitul acestei cărți, veți avea o înțelegere aprofundată a funcționării interne a rețelelor neuronale profunde. Veți avea capacitatea de a dezvolta noi modele sau de a le adapta pe cele existente pentru a vă rezolva sarcinile. De asemenea, veți avea suficientă înțelegere pentru a vă continua cercetările și pentru a fi la curent cu cele mai recente progrese în domeniu.

Ce veți învăța:

⬤ Stabiliți bazele teoretice ale rețelelor neuronale profunde.

⬤ Să înțelegeți rețelele convoluționale și să le aplicați în aplicații de viziune pe calculator.

⬤ Să vă familiarizați cu procesarea limbajului natural și cu rețelele recurente.

⬤ Explorați mecanismul atenției și transformatoarele.

⬤ Aplicați transformatoare și modele lingvistice mari pentru limbajul natural și viziunea pe calculator.

⬤ Implementați exemple de programare cu PyTorch, Keras și Hugging Face Transformers.

⬤ Utilizați MLOps pentru a dezvolta și implementa modele de rețele neuronale.

Pentru cine este această carte:

Această carte se adresează dezvoltatorilor/inginerilor software, studenților, cercetătorilor de date, analiștilor de date, inginerilor de învățare automată, statisticienilor și tuturor celor interesați de învățarea profundă. Experiența anterioară cu programarea Python este o condiție prealabilă.