Praktické hluboké učení: Učebnice učení: Úvod do problematiky v jazyce Python

Recenze čtenářů

Kniha nabízí přístupný a praktický úvod do hlubokého učení, který pokrývá základy s technickou hloubkou. Mnozí čtenáři ji považují za dobře strukturovanou a pedagogicky fundovanou, takže je vhodná jak pro inženýry, tak pro hobbysty. Někteří recenzenti ji však kritizují za nedostatečnou hloubku příkladů aplikací a tvrdí, že neposkytuje užitečné informace nad rámec těch, které jsou zdarma dostupné online.

Velmi přístupný úvod, důkladné pokrytí základů, praktická příručka s příklady kódu, pomáhá rozvíjet intuici, dobře strukturovaná a pedagogická.

Někteří ji nepovažují za praktickou ani užitečnou, chybí v ní kompletní aplikace; mezi kritické připomínky patří, že podobné informace jsou volně dostupné online.

(na základě 5 hodnocení čtenářů)

Původní název:

Practical Deep Learning: A Python-Based Introduction

Obsah knihy:

Praktické hluboké učení učí úplné začátečníky, jak vytvořit datové sady a modely potřebné k trénování neuronových sítí pro vlastní projekty DL.

Pokud vás strojové učení zajímalo, ale nevěděli jste, kde začít, na tuto knihu jste čekali. Zaměřuje se na podoblast strojového učení známou jako hluboké učení, vysvětluje základní pojmy a poskytne vám základy, které potřebujete k tomu, abyste mohli začít vytvářet vlastní modely. Spíše než pouhé nastínění receptů na použití existujících sad nástrojů vás Praktické hluboké učení naučí, proč hluboké učení existuje, a bude vás inspirovat k dalšímu zkoumání.

Vše, co potřebujete, je základní znalost počítačového programování a středoškolské matematiky - zbytek pokryje kniha. Po úvodu do jazyka Python se budete pohybovat v klíčových tématech, jako je sestavení dobré trénovací sady dat, práce s knihovnami scikit-learn a Keras a vyhodnocování výkonnosti vašich modelů.

Naučíte se také:

- Jak používat klasické modely strojového učení, jako jsou k-Nearest Neighbors, Random Forests a Support Vector Machines.

- Jak fungují neuronové sítě a jak se trénují.

- Jak používat konvoluční neuronové sítě.

- Jak vytvořit úspěšný model hlubokého učení od nuly.

V průběhu práce budete provádět experimenty a vypracujete závěrečnou případovou studii, která bude zahrnovat vše, co jste se naučili.

Praktické hluboké učení je dokonalým úvodem do této dynamické a stále se rozšiřující oblasti a poskytne vám dovednosti a sebedůvěru, abyste se mohli pustit do vlastních projektů strojového učení.