State-Of-The-Art Deep Learning Models in Tensorflow: Învățarea automată modernă în ecosistemul Google Colab

Evaluare:   (4.1 din 5)

State-Of-The-Art Deep Learning Models in Tensorflow: Învățarea automată modernă în ecosistemul Google Colab (David Paper)

Recenzii ale cititorilor

Rezumat:

Cartea Dr. Paper oferă o prezentare cuprinzătoare a învățării profunde, acoperind atât subiecte de bază, cât și avansate, în special cu accent pe TensorFlow 2.0. Cartea este lăudată pentru claritatea sa, explicațiile detaliate și aplicabilitatea practică în implementările din viața reală, ceea ce o face o resursă valoroasă pentru învățarea și reîmprospătarea cunoștințelor în deep learning și machine learning.

Avantaje:

Explicații clare și detaliate, acoperă o gamă largă de subiecte, excelent atât pentru începători, cât și pentru utilizatorii avansați, experiență practică oferită, servește ca referință rapidă pentru tehnici, accent puternic pe TensorFlow
0, foarte recomandat pentru implementări practice.

Dezavantaje:

Recenzia nu specifică niciun contra semnificativ, dar poate implica faptul că complexitatea învățării profunde în sine poate fi o provocare, deși cartea încearcă să abordeze acest aspect.

(pe baza a 1 recenzii ale cititorilor)

Titlul original:

State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem

Conținutul cărții:

1. Construiți conducte de intrare TensorFlow2.

Creșteți diversitatea setului dvs. de date cu ajutorul augmentării datelor3. Seturi de date TensorFlow4.

Învățarea profundă cu seturi de date TensorFlow5.

Introducere în unitățile de procesare Tensor6. Învățarea prin transfer simplă cu TensorFlow Hub7.

Învățarea prin transfer avansată8. Autoencodere stivuite9. Autoencodere convoluționale și variaționale10.

Rețele generatoare adversare11. Rețele adverșiale generative cu creștere progresivă12. Transfer rapid de stil13.

Detectarea obiectelor14. O introducere în învățarea prin consolidare.

Alte date despre carte:

ISBN:9781484273401
Autor:
Editura:
Legare:Copertă moale
Anul publicării:2021
Numărul de pagini:374

Cumpărare:

Disponibil în prezent, pe stoc.

Alte cărți ale autorului:

Programare web pentru afaceri: PHP Programare orientată pe obiecte cu Oracle - Web Programming for...
Programare web pentru afaceri: PHP Object-Oriented...
Programare web pentru afaceri: PHP Programare orientată pe obiecte cu Oracle - Web Programming for Business: PHP Object-Oriented Programming with Oracle
Tensorflow 2.X în Colaboratory Cloud: O introducere în învățarea profundă pe serviciul cloud al...
Utilizați TensorFlow 2.x cu produsul Colaboratory...
Tensorflow 2.X în Colaboratory Cloud: O introducere în învățarea profundă pe serviciul cloud al Google - Tensorflow 2.X in the Colaboratory Cloud: An Introduction to Deep Learning on Google's Cloud Service
State-Of-The-Art Deep Learning Models in Tensorflow: Învățarea automată modernă în ecosistemul...
1. Construiți conducte de intrare TensorFlow2. Creșteți...
State-Of-The-Art Deep Learning Models in Tensorflow: Învățarea automată modernă în ecosistemul Google Colab - State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem
Hands-On Scikit-Learn pentru aplicații de învățare automată: Bazele științei datelor cu Python -...
Profesioniștii aspiranți în domeniul științei datelor...
Hands-On Scikit-Learn pentru aplicații de învățare automată: Bazele științei datelor cu Python - Hands-On Scikit-Learn for Machine Learning Applications: Data Science Fundamentals with Python
Fundamentele științei datelor pentru Python și MongoDB - Data Science Fundamentals for Python and...
Construiți abilitățile fundamentale în domeniul...
Fundamentele științei datelor pentru Python și MongoDB - Data Science Fundamentals for Python and MongoDB

Lucrările autorului au fost publicate de următorii editori:

© Book1 Group - toate drepturile rezervate.
Conținutul acestui site nu poate fi copiat sau utilizat, nici parțial, nici integral, fără permisiunea scrisă a proprietarului.
Ultima modificare: 2024.11.08 07:02 (GMT)