Apprendimento profondo con Python

Recensioni dei lettori

Il libro è considerato un'eccellente introduzione al deep learning, particolarmente adatto a lettori con competenze di programmazione di base. È stato apprezzato per la chiarezza delle spiegazioni, l'attenzione alla pratica e l'uso efficace della libreria Keras. Tuttavia, alcuni lettori hanno notato problemi con la qualità fisica del libro e una mancanza di profondità in alcune aree, in particolare per coloro che cercano dettagli matematici più rigorosi.

⬤ Spiegazioni chiare e concise dei concetti di deep learning.
⬤ Approccio pratico con esempi di codice utilizzando Keras.
⬤ Adatto ai principianti con competenze di programmazione.
⬤ Buona copertura del panorama del deep learning.
⬤ Approfondimenti dell'autore grazie alla sua esperienza nell'IA.
⬤ Stile di scrittura coinvolgente che rende accessibili argomenti complessi.

⬤ Problemi di qualità fisica, tra cui errori di stampa e problemi di rilegatura.
⬤ Alcuni lettori ritengono che manchi di profondità nelle spiegazioni matematiche.
⬤ Un taglio pratico che potrebbe non soddisfare chi cerca un testo teorico di livello universitario.
⬤ Alcune configurazioni tecniche (ad esempio, le configurazioni delle GPU) possono risultare obsolete o impegnative.
⬤ Occasionale confusione nelle spiegazioni, che porta a difficoltà di comprensione.

(basato su 374 recensioni dei lettori)

Titolo originale:

Deep Learning with Python

Contenuto del libro:

Sintesi

Deep Learning with Python introduce il campo dell'apprendimento profondo utilizzando il linguaggio Python e la potente libreria Keras. Scritto da Fran ois Chollet, creatore di Keras e ricercatore di Google AI, questo libro permette di comprendere il fenomeno attraverso spiegazioni intuitive ed esempi pratici.

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

Informazioni sulla tecnologia

L'apprendimento automatico ha compiuto notevoli progressi negli ultimi anni. Siamo passati da un riconoscimento del parlato e delle immagini quasi inutilizzabile a una precisione quasi umana. Siamo passati da macchine che non riuscivano a battere un giocatore di Go serio, a sconfiggere un campione del mondo. Alla base di questi progressi c'è l'apprendimento profondo, una combinazione di progressi ingegneristici, best practice e teoria che consente un'infinità di applicazioni intelligenti prima impossibili.

Informazioni sul libro

Deep Learning with Python introduce il campo dell'apprendimento profondo utilizzando il linguaggio Python e la potente libreria Keras. Scritto da Fran ois Chollet, creatore di Keras e ricercatore di Google AI, questo libro permette di capire meglio le cose attraverso spiegazioni intuitive ed esempi pratici. Esplorerete concetti impegnativi e farete pratica con applicazioni di computer vision, elaborazione del linguaggio naturale e modelli generativi. Al termine, avrete le conoscenze e le competenze pratiche per applicare il deep learning ai vostri progetti.

Cosa contiene

⬤ Apprendimento profondo dai principi fondamentali.

⬤ Impostazione del proprio ambiente di deep learning.

⬤ Modelli di classificazione delle immagini.

⬤ Apprendimento profondo per testi e sequenze.

⬤ Trasferimento di stile neurale, generazione di testo e generazione di immagini.

Informazioni sul lettore

I lettori devono avere competenze intermedie di Python. Non è richiesta alcuna esperienza precedente con Keras, TensorFlow o l'apprendimento automatico.

Informazioni sull'autore

Fran ois Chollet si occupa di deep learning presso Google a Mountain View, CA. È il creatore della libreria di deep learning Keras e un collaboratore del framework di apprendimento automatico TensorFlow. Si occupa anche di ricerca sul deep learning, con particolare attenzione alla computer vision e all'applicazione dell'apprendimento automatico al ragionamento formale. I suoi articoli sono stati pubblicati nelle principali conferenze del settore, tra cui la Conference on Computer Vision and Pattern Recognition (CVPR), la Conference and Workshop on Neural Information Processing Systems (NIPS), la International Conference on Learning Representations (ICLR) e altre.

Indice dei contenuti

PARTE 1 - FONDAMENTI DEL DEEP LEARNING.

⬤ Che cos'è il deep learning?

⬤ Prima di iniziare: gli elementi matematici delle reti neurali.

⬤ Iniziare con le reti neurali.

⬤ Fondamenti dell'apprendimento automatico.

PARTE 2 - DEEP LEARNING IN PRATICA.

⬤ Apprendimento profondo per la visione artificiale.

⬤ Apprendimento profondo per testi e sequenze.

⬤ Migliori pratiche di deep learning avanzato.

⬤ Apprendimento profondo generativo.

⬤ Conclusioni.

Appendice A - Installazione di Keras e delle sue dipendenze su Ubuntu.

Appendice B - Esecuzione dei notebook Jupyter su un'istanza GPU EC2.