Apprendimento profondo da zero: Costruire con Python partendo dai principi

Recensioni dei lettori

Il libro fornisce un'introduzione approfondita alla codifica delle reti neurali da zero, con utili esempi di codice e spiegazioni intuitive. Tuttavia, soffre di problemi significativi, come codice incompleto, spiegazioni matematiche insufficienti ed errori, che portano alla frustrazione di molti lettori. Sebbene la versione online possa essere più vantaggiosa di quella stampata, nel complesso il libro ha un'accoglienza contrastante.

Ben organizzato, concetti chiaramente spiegati, ampi esempi di codice, focus unico sulla codifica di reti neurali da zero, buona risorsa per comprendere i fondamenti del deep learning.

Errori frequenti, codice incompleto, matematica mal spiegata, diagrammi in bianco e nero, presentazione disorganizzata e alcuni lettori hanno avvertito la mancanza di spiegazioni di supporto o di intuizioni alla base dei concetti.

(basato su 36 recensioni dei lettori)

Titolo originale:

Deep Learning from Scratch: Building with Python from First Principles

Contenuto del libro:

Con la rinascita delle reti neurali negli anni 2010, il deep learning è diventato essenziale per i professionisti dell'apprendimento automatico e anche per molti ingegneri del software. Questo libro fornisce un'introduzione completa per data scientist e ingegneri del software con esperienza nell'apprendimento automatico. Inizierete con le basi del deep learning e passerete rapidamente ai dettagli di importanti architetture avanzate, implementando tutto da zero lungo il percorso.

L'autore Seth Weidman illustra il funzionamento delle reti neurali con un approccio basato sui principi fondamentali. Imparerete ad applicare reti neurali multistrato, reti neurali convoluzionali e reti neurali ricorrenti partendo da zero. Grazie a una comprensione approfondita del funzionamento matematico, computazionale e concettuale delle reti neurali, sarete pronti per il successo in tutti i futuri progetti di deep learning.

Questo libro fornisce:

⬤ Modelli mentali estremamente chiari e approfonditi, accompagnati da esempi di codice funzionante e spiegazioni matematiche, per la comprensione delle reti neurali.

⬤ Metodi per implementare reti neurali multistrato da zero, utilizzando un framework orientato agli oggetti di facile comprensione.

⬤ Implementazioni funzionanti e spiegazioni chiare di reti neurali convoluzionali e ricorrenti.

⬤ Implementazione di questi concetti di rete neurale utilizzando il popolare framework PyTorch.