Apprendimento profondo avanzato con TensorFlow 2 e Keras - Seconda edizione

Recensioni dei lettori

Il libro si rivolge ai professionisti avanzati dell'intelligenza artificiale e del deep learning, fornendo un'introduzione approfondita alle architetture di reti neurali come MLP, CNN e RNN. Offre esempi pratici e codice conciso, ma presuppone una solida conoscenza di base dell'intelligenza artificiale.

⬤ Copertura completa dei principali tipi di rete neurale (MLP, CNN, RNN) con applicazioni pratiche.
⬤ Chiara introduzione a Keras tramite TensorFlow per la costruzione di modelli.
⬤ Aggiornamenti significativi nella nuova edizione, con l'aggiunta di oltre il 40% di nuovi contenuti.
⬤ Ottimo sia per i professionisti avanzati che per coloro che si trovano a metà strada tra il livello di principiante e quello di esperto.
⬤ Spiegazioni semplificate di concetti avanzati come GAN, autoencoder e apprendimento per rinforzo.
⬤ Materiale autorevole e ben strutturato.

⬤ Presuppone che il lettore abbia una solida conoscenza di base dell'IA e del deep learning, il che può costituire un ostacolo per i principianti.
⬤ Forte dipendenza dall'uso delle GPU, non menzionato nella descrizione del libro.
⬤ Copertura limitata al di fuori della computer vision, particolarmente carente negli argomenti di NLP.
⬤ Alcuni utenti hanno segnalato problemi tecnici con l'esecuzione del codice (ad esempio, problemi con il certificato SSL) che hanno ostacolato l'apprendimento.
⬤ Alcune spiegazioni mancano di profondità e coerenza, rendendo necessarie risorse aggiuntive.

(basato su 11 recensioni dei lettori)

Titolo originale:

Advanced Deep Learning with TensorFlow 2 and Keras - Second Edition

Contenuto del libro:

Seconda edizione aggiornata e rivista della guida bestseller all'apprendimento profondo avanzato con TensorFlow 2 e Keras Caratteristiche principali Esplora le tecniche di apprendimento profondo più avanzate che portano ai risultati dell'IA moderna Nuova copertura dell'apprendimento profondo non supervisionato utilizzando l'informazione reciproca, il rilevamento degli oggetti e la segmentazione semantica Completamente aggiornato per TensorFlow 2. x Descrizione del libro

Advanced Deep Learning with TensorFlow 2 and Keras, Second Edition è un'edizione completamente aggiornata della guida più venduta alle tecniche avanzate di deep learning oggi disponibili. Revisionata per TensorFlow 2.x, questa edizione introduce al lato pratico del deep learning con nuovi capitoli sull'apprendimento non supervisionato utilizzando l'informazione reciproca, il rilevamento degli oggetti (SSD) e la segmentazione semantica (FCN e PSPNet), consentendovi di creare i vostri progetti di AI all'avanguardia.

Utilizzando Keras come libreria open-source di deep learning, il libro presenta progetti pratici che mostrano come creare un'IA più efficace con le tecniche più aggiornate.

Partendo da una panoramica dei perceptron multistrato (MLP), delle reti neurali convoluzionali (CNN) e delle reti neurali ricorrenti (RNN), il libro introduce tecniche più all'avanguardia esplorando le architetture delle reti neurali profonde, tra cui ResNet e DenseNet, e come creare autoencoder. Si apprenderanno poi le GAN e il modo in cui possono sbloccare nuovi livelli di prestazioni dell'intelligenza artificiale.

Scoprirete poi come viene implementato un autoencoder variazionale (VAE) e come le GAN e le VAE hanno la capacità generativa di sintetizzare dati che possono essere estremamente convincenti per gli esseri umani. Imparerete anche a implementare DRL come Deep Q-Learning e Policy Gradient Methods, che sono fondamentali per molti risultati moderni nell'IA. Cosa imparerete Usate le tecniche di massimizzazione dell'informazione reciproca per eseguire l'apprendimento non supervisionato Usate la segmentazione per identificare la classe pixel-wise di ogni oggetto in un'immagine Identificate sia il riquadro di delimitazione che la classe degli oggetti in un'immagine usando il rilevamento degli oggetti Imparate gli elementi costitutivi per le tecniche avanzate - MLPss, CNN e RNN Comprendete le reti neurali profonde - incluse ResNet e DenseNet Comprendete e costruite modelli autoregressivi - autoencoder, VAE e GAN Scoprite e implementate i metodi di apprendimento profondo per rinforzo A chi è rivolto questo libro

Non si tratta di un libro introduttivo, quindi è richiesta una certa dimestichezza con Python. Il lettore dovrebbe anche avere familiarità con alcuni approcci di apprendimento automatico e l'esperienza pratica con la DL sarà utile. La conoscenza di Keras o TensorFlow 2.0 non è richiesta ma è consigliata. Sommario Introduzione all'apprendimento profondo avanzato con Keras Reti neurali profonde Autoencoders Reti avversarie generative (GANs) GANs migliorate GANs Rappresentazione districata GANs Cross-Domain GANs Autoencoders variazionali (VAEs) Apprendimento profondo di rinforzo Metodi di gradiente della politica Rilevamento di oggetti Segmentazione semantica Apprendimento non supervisionato usando l'informazione reciproca