Apprendimento profondo avanzato con Keras

Recensioni dei lettori

Le recensioni evidenziano che “Advanced Deep Learning with Keras” è una risorsa eccellente per la comprensione e l'applicazione pratica delle tecniche di deep learning. Il libro si distingue per la copertura completa di argomenti come le reti avversarie generative (GAN), gli autoencoder variazionali (VAE) e l'apprendimento per rinforzo, fornendo esempi pratici e implementazioni di codice con Keras. Tuttavia, alcuni utenti hanno segnalato problemi tecnici con la versione Kindle, sperimentando blocchi e crash.

⬤ Copertura completa di argomenti avanzati di deep learning, tra cui GAN, VAE e apprendimento per rinforzo.
⬤ Buon equilibrio tra applicazioni pratiche, matematica e spiegazioni.
⬤ Ben scritto e facile da capire sia per i principianti che per i programmatori esperti.
⬤ Fornisce chiari esempi di codice e spunti pratici per l'utilizzo di Keras.
⬤ Altamente raccomandato dai lettori per la creazione di applicazioni di deep learning.

⬤ Problemi tecnici segnalati con la versione Kindle, tra cui blocchi e crash.
⬤ Alcuni utenti potrebbero trovare gli argomenti avanzati impegnativi senza conoscenze preliminari.

(basato su 8 recensioni dei lettori)

Titolo originale:

Advanced Deep Learning with Keras

Contenuto del libro:

Nota dell'editore: questa edizione del 2018 è obsoleta e non è compatibile con TensorFlow 2 o con i più recenti aggiornamenti delle librerie Python. È stata pubblicata una nuova seconda edizione, aggiornata per il 2020 e dotata di TensorFlow 2 e di una copertura dell'apprendimento non supervisionato utilizzando l'informazione reciproca, il rilevamento degli oggetti e la segmentazione semantica.

Una guida completa alle tecniche avanzate di deep learning, tra cui autoencoder, GAN, VAE e deep reinforcement learning, che oggi portano ai risultati più impressionanti dell'AI.

Caratteristiche principali

⬤ Esplora le tecniche più avanzate di deep learning che guidano i risultati dell'IA moderna.

⬤ Implementare reti neurali profonde, autoencoder, GAN, VAE e deep reinforcement learning.

⬤ Un ampio studio delle GAN, tra cui le GAN migliorate, le GAN a dominio incrociato e le GAN a rappresentazione disgiunta.

Descrizione del libro:

I recenti sviluppi dell'apprendimento profondo, tra cui le reti avversarie generative (GAN), gli autocodificatori variazionali (VAE) e l'apprendimento per rinforzo profondo (DRL), stanno dando vita a risultati impressionanti nel campo dell'intelligenza artificiale, come AlphaGo Zero che batte i campioni del mondo di scacchi e l'intelligenza artificiale generativa in grado di creare dipinti d'arte che vengono venduti per oltre 400.000 dollari perché sono così simili a quelli umani.

Advanced Deep Learning with Keras è una guida completa alle tecniche avanzate di deep learning oggi disponibili, per creare la propria IA all'avanguardia. Utilizzando Keras come libreria open-source per l'apprendimento profondo, troverete progetti pratici che vi mostreranno come creare un'IA più efficace con le tecniche più recenti.

Il viaggio inizia con una panoramica di MLP, CNN e RNN, che sono gli elementi costitutivi delle tecniche più avanzate del libro. Imparerete a implementare modelli di deep learning con Keras e TensorFlow 1.x e passerete alle tecniche avanzate, esplorando le architetture delle reti neurali profonde, tra cui ResNet e DenseNet, e come creare autoencoder. Imparerete poi a conoscere le GAN e a capire come possono aprire nuovi livelli di prestazioni dell'IA. Poi, si apprenderà come vengono implementate le VAE e si vedrà come le GAN e le VAE hanno il potere generativo di sintetizzare dati che possono essere estremamente convincenti per gli esseri umani - un importante passo avanti per l'IA moderna. Per completare questo insieme di tecniche avanzate, imparerete a implementare DRL come Deep Q-Learning e Policy Gradient Methods, che sono fondamentali per molti risultati moderni nell'IA.

Che cosa imparerete?

⬤ Tecniche all'avanguardia per prestazioni AI simili a quelle umane.

⬤ Implementare modelli avanzati di deep learning utilizzando Keras.

⬤ Gli elementi costitutivi delle tecniche avanzate - MLP, CNN e RNN.

⬤ Reti neurali profonde - ResNet e DenseNet.

⬤ Autoencoder e autoencoder variazionali (VAE).

⬤ Reti avversarie generative (GAN) e tecniche di IA creative.

⬤ GAN a rappresentazione disgiunta e GAN a dominio incrociato.

⬤ Metodi di apprendimento per rinforzo e implementazione.

⬤ Produrre applicazioni standard del settore utilizzando OpenAI Gym.

⬤ Metodi di apprendimento Q e Policy Gradient.

Per chi è questo libro:

Si presuppone una certa dimestichezza con Python. Essendo un libro avanzato, dovrete avere familiarità con alcuni approcci all'apprendimento automatico e una certa esperienza pratica con la DL sarà utile. La conoscenza di Keras o TensorFlow 1.x non è richiesta, ma sarebbe utile.