Apprendimento profondo

Recensioni dei lettori

Il libro si presenta come una risorsa introduttiva per la comprensione del deep learning, con l'obiettivo di rendere accessibili ai principianti concetti complessi. Tuttavia, ha ricevuto recensioni contrastanti per quanto riguarda la chiarezza, gli errori negli esempi di codifica e l'organizzazione generale.

⬤ Spiegazioni chiare e comprensibili dei concetti di deep learning.
⬤ Approccio pratico all'implementazione delle reti neurali.
⬤ Accessibile ai principianti senza un forte background matematico.
⬤ Buone conoscenze di base sul deep learning in uno stile di accumulo graduale.
⬤ Narrazione coinvolgente e analogie che aiutano a demistificare idee complesse.

⬤ Errori di codifica significativi che potrebbero confondere i principianti.
⬤ Alcuni capitoli sono confusi o mal strutturati.
⬤ Contiene errori tipografici ed esempi che sembrano irrealistici o inventati, con conseguente potenziale mancata corrispondenza con le applicazioni pratiche.
⬤ Alcune sezioni critiche mancano di elaborazione, lasciando i lettori alla ricerca di ulteriori risorse per i chiarimenti.

(basato su 35 recensioni dei lettori)

Titolo originale:

Grokking Deep Learning

Contenuto del libro:

Sintesi

Grokking Deep Learning vi insegna a costruire reti neurali di deep learning partendo da zero. Con il suo stile coinvolgente, Andrew Trask, esperto di deep learning, vi mostra la scienza sotto il cofano, in modo che possiate capire da soli ogni dettaglio dell'addestramento delle reti neurali.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sulla tecnologia

L'apprendimento profondo, una branca dell'intelligenza artificiale, insegna ai computer ad apprendere utilizzando le reti neurali, una tecnologia ispirata al cervello umano. La traduzione di testi online, le auto a guida autonoma, i consigli personalizzati sui prodotti e gli assistenti vocali virtuali sono solo alcuni degli entusiasmanti progressi moderni possibili grazie al deep learning.

Informazioni sul libro

Grokking Deep Learning vi insegna a costruire reti neurali di deep learning partendo da zero. Con il suo stile coinvolgente, Andrew Trask, esperto di deep learning, vi mostra la scienza che sta sotto il cofano, in modo che possiate capire da soli ogni dettaglio dell'addestramento delle reti neurali. Utilizzando solo Python e la sua libreria di supporto matematico, NumPy, addestrerete le vostre reti neurali per vedere e capire le immagini, tradurre il testo in diverse lingue e persino scrivere come Shakespeare.

Che cosa c'è dentro?

⬤ La scienza alla base del deep learning.

⬤ Costruire e addestrare le proprie reti neurali.

⬤ Concetti di privacy, compreso l'apprendimento federato.

⬤ Suggerimenti per continuare a perseguire l'apprendimento profondo.

Informazioni sul lettore

Per lettori con un livello di matematica da scuola superiore e competenze di programmazione intermedie.

Informazioni sull'autore

Andrew Trask è dottorando all'Università di Oxford e ricercatore presso DeepMind. In precedenza, Andrew è stato ricercatore e product manager per l'analisi presso Digital Reasoning, dove ha addestrato la rete neurale artificiale più grande del mondo e ha contribuito a guidare la roadmap di analisi per la piattaforma di cognitive computing Synthesys.

Indice dei contenuti

⬤ Introduzione al deep learning: perché si dovrebbe imparare.

⬤ Concetti fondamentali: come imparano le macchine?

⬤ Introduzione alla previsione neurale: propagazione in avanti.

⬤ Introduzione all'apprendimento neurale: discesa del gradiente.

⬤ Apprendimento di più pesi alla volta: generalizzazione della discesa del gradiente.

⬤ Costruire la prima rete neurale profonda: introduzione alla retropropagazione.

⬤ Come immaginare le reti neurali: nella testa e sulla carta.

⬤ Apprendere il segnale e ignorare il rumore: introduzione alla regolarizzazione e al batching.

⬤ Modellazione di probabilità e non linearità: funzioni di attivazione.

⬤ Apprendimento neurale su bordi e angoli: introduzione alle reti neurali convoluzionali.

⬤ Reti neurali che comprendono il linguaggio: re - uomo + donna ==?

⬤ Reti neurali che scrivono come Shakespeare: strati ricorrenti per dati di lunghezza variabile.

⬤ Introduzione all'ottimizzazione automatica: costruiamo un framework di deep learning.

⬤ Imparare a scrivere come Shakespeare: la memoria a breve termine.

⬤ Apprendimento profondo su dati non visti: introduzione dell'apprendimento federato.

⬤ Dove andare da qui: una breve guida.