Dacă ești curios despre inteligența artificială și învățarea automată, dar nu știi de unde să începi, acesta este cartea pe care o așteptai. Concentruându-se pe subdomeniul învățării automate numit învățare profundă, explică conceptele de bază și îți oferă fundamentul necesar pentru a începe să creezi propriile modele.

În loc să prezinte doar rețete pentru utilizarea unor instrumente existente, Practical Deep Learning, 2nd Edition te învață de ce este importantă învățarea profundă și te va inspira să explorezi mai departe. Singurele cunoștințe de bază de la matematică și programare de liceu sunt suficiente – cartea va acoperi restul.

După ce faci o introducere în Python, vei trece la subiecte fundamentale precum cum să creezi un set de date de antrenament bun, să lucrezi cu bibliotecile scikit-learn și Keras și să evaluezi performanța modelelor tale.

Veți învăța: cum să folosești modele clasice de învățare automată precum k-Nearest Neighbors, Random Forests și Support Vector Machines, cum funcționează și se antrenează rețelele neuronale, cum să folosești rețelele convoluționale și cum să dezvolți un model de învățare profundă de succes de la zero. Veți realiza experimente pe parcurs, construind pe un studiu de caz final care integrează tot ceea ce ați învățat.

Această a doua ediție este complet revizuită și actualizată, adăugând șase capitole noi pentru a avansa explorarea ta în învățarea profundă, de la CNN-uri de bază până la modele mai avansate. Noile capitole acoperă reglarea fină, transferul de învățare, detectarea obiectelor, segmentarea semantică, multilabeling-ul, învățarea nesupravegheată, rețelele generative și modelele lingvistice mari.

O introducere perfectă în acest domeniu dinamic și în continuă expansiune, Practical Deep Learning, 2nd Edition îți va oferi abilitățile și încrederea pentru a te aventura în proiectele tale de învățare automată.

Pagin: 624, Dimensiuni: 17.7x17.7cm