Apprendimento profondo con TensorFlow e Keras - Terza edizione: Costruire e distribuire modelli di apprendimento supervisionato, non supervisionato, profondo e con rinforzo

Punteggio:   (4,5 su 5)

Apprendimento profondo con TensorFlow e Keras - Terza edizione: Costruire e distribuire modelli di apprendimento supervisionato, non supervisionato, profondo e con rinforzo (Amita Kapoor)

Recensioni dei lettori

Riepilogo:

Il libro “Deep Learning with TensorFlow and Keras” è una guida completa, ricca di nozioni teoriche ed esempi pratici incentrati sulle più diffuse librerie di AI e ML. È adatto sia ai principianti che ai professionisti e fornisce una copertura approfondita di varie tecniche e architetture di deep learning. Tuttavia, soffre di numerosi errori tipografici e alcune sezioni potrebbero richiedere una conoscenza preliminare dell'argomento per poterne comprendere appieno il contenuto.

Vantaggi:

Numerosi esempi e snippet pratici di codice, ampia copertura dei concetti di deep learning, stile di scrittura accessibile, contenuti completi che soddisfano sia i principianti che i professionisti esperti, capitoli dedicati alla matematica e riferimenti aggiuntivi per ulteriori approfondimenti.

Svantaggi:

Contiene molti errori tipografici che a volte generano confusione, presuppone un certo livello di conoscenze pregresse che può ostacolare la completa comprensione da parte dei neofiti, la qualità della stampa fisica è scadente con alcune menzioni di grafici a colori che appaiono in bianco e nero, e il libro potrebbe beneficiare di una navigazione e di un'organizzazione più chiare.

(basato su 38 recensioni dei lettori)

Titolo originale:

Deep Learning with TensorFlow and Keras - Third Edition: Build and deploy supervised, unsupervised, deep, and reinforcement learning models

Contenuto del libro:

Costruire sistemi di apprendimento automatico e profondo all'avanguardia per il laboratorio, la produzione e i dispositivi mobili.

L'acquisto del libro stampato o del Kindle include un eBook gratuito in formato PDF.

Caratteristiche principali:

⬤ Comprendere i fondamenti dell'apprendimento profondo e dell'apprendimento automatico attraverso spiegazioni chiare e ampi esempi di codice.

⬤ Implementare reti neurali a grafo, trasformatori con Hugging Face e TensorFlow Hub, e apprendimento congiunto e contrastivo.

⬤ Imparare tecniche di machine learning e deep learning all'avanguardia.

Descrizione del libro:

Deep Learning with TensorFlow and Keras insegna le reti neurali e le tecniche di deep learning utilizzando TensorFlow (TF) e Keras. Imparerete a scrivere applicazioni di deep learning nel più potente, popolare e scalabile stack di apprendimento automatico disponibile.

TensorFlow 2.x si concentra sulla semplicità e sulla facilità d'uso, con aggiornamenti come l'esecuzione eager, API intuitive di livello superiore basate su Keras e la costruzione di modelli flessibili su qualsiasi piattaforma. Questo libro utilizza le ultime funzionalità e librerie di TF 2.0 per presentare una panoramica dei modelli di apprendimento automatico supervisionati e non supervisionati e fornisce un'analisi completa dei modelli di deep learning e di apprendimento per rinforzo utilizzando esempi pratici per il cloud, il mobile e gli ambienti di produzione di grandi dimensioni.

Il libro mostra inoltre come creare reti neurali con TensorFlow, analizza gli algoritmi più diffusi (regressione, reti neurali convoluzionali (CNN), trasformatori, GAN, reti neurali ricorrenti (RNN), elaborazione del linguaggio naturale (NLP) e reti neurali grafiche (GNN)), illustra applicazioni di esempio funzionanti e approfondisce TF in produzione, TF mobile e TensorFlow con AutoML.

Che cosa imparerete?

⬤ Apprenderete come utilizzare le popolari GNN con TensorFlow per svolgere attività di graph mining.

⬤ Scoprire il mondo dei trasformatori, dal preallenamento alla messa a punto fino alla valutazione.

⬤ Applicare l'apprendimento auto-supervisionato all'elaborazione del linguaggio naturale, alla computer vision e all'elaborazione dei segnali audio.

⬤ Combinare modelli probabilistici e di deep learning utilizzando TensorFlow Probability.

⬤ Addestrate i vostri modelli nel cloud e mettete TF al lavoro in ambienti reali.

⬤ Costruire sistemi di machine learning e deep learning con TensorFlow 2.x e l'API Keras.

Per chi è questo libro:

Questo libro pratico sull'apprendimento automatico è rivolto agli sviluppatori Python e ai data scientist che desiderano costruire sistemi di apprendimento automatico e di deep learning con TensorFlow. Questo libro fornisce la teoria e la pratica necessarie per utilizzare Keras, TensorFlow e AutoML per costruire sistemi di apprendimento automatico.

Una certa conoscenza dell'apprendimento automatico sarebbe utile. Non diamo per scontata la conoscenza del TF.

Altre informazioni sul libro:

ISBN:9781803232911
Autore:
Editore:
Lingua:inglese
Rilegatura:Copertina morbida

Acquisto:

Attualmente disponibile, in magazzino.

Lo compro!

Altri libri dell'autore:

Intelligenza artificiale per l'IoT - Hands-On Artificial Intelligence for IoT
Costruire sistemi più intelligenti unendo l'Intelligenza Artificiale e l'Internet...
Intelligenza artificiale per l'IoT - Hands-On Artificial Intelligence for IoT
Apprendimento profondo con TensorFlow e Keras - Terza edizione: Costruire e distribuire modelli di...
Costruire sistemi di apprendimento automatico e...
Apprendimento profondo con TensorFlow e Keras - Terza edizione: Costruire e distribuire modelli di apprendimento supervisionato, non supervisionato, profondo e con rinforzo - Deep Learning with TensorFlow and Keras - Third Edition: Build and deploy supervised, unsupervised, deep, and reinforcement learning models
Progettazione di piattaforme e modelli per un'IA responsabile: progettare e costruire modelli di...
Realizzare progetti di IA etica con...
Progettazione di piattaforme e modelli per un'IA responsabile: progettare e costruire modelli di apprendimento automatico resilienti, privati, equi e trasparenti - Platform and Model Design for Responsible AI: Design and build resilient, private, fair, and transparent machine learning models

Le opere dell'autore sono state pubblicate dai seguenti editori:

© Book1 Group - tutti i diritti riservati.
Il contenuto di questo sito non può essere copiato o utilizzato, né in parte né per intero, senza il permesso scritto del proprietario.
Ultima modifica: 2024.11.08 20:28 (GMT)