Apprendimento profondo pratico: Un'introduzione basata su Python

Recensioni dei lettori

Il libro offre un'introduzione pratica e accessibile al deep learning, coprendo i fondamenti con profondità tecnica. Molti lettori lo trovano ben strutturato e pedagogicamente valido, il che lo rende adatto sia agli ingegneri che agli hobbisti. Tuttavia, alcuni recensori lo criticano per la mancanza di profondità negli esempi applicativi e sostengono che non fornisce informazioni utili oltre a quelle disponibili gratuitamente online.

Introduzione molto accessibile, copertura approfondita dei fondamenti, guida pratica con esempi di codice, aiuta a sviluppare l'intuizione, ben strutturata e pedagogica.

Alcuni ritengono che non sia né pratico né utile e che manchi di applicazioni complete; tra le critiche, c'è il fatto che informazioni simili sono disponibili gratuitamente online.

(basato su 5 recensioni dei lettori)

Titolo originale:

Practical Deep Learning: A Python-Based Introduction

Contenuto del libro:

Practical Deep Learning insegna ai principianti come costruire i dataset e i modelli necessari per addestrare le reti neurali per i propri progetti di DL.

Se siete curiosi di conoscere l'apprendimento automatico ma non sapete da dove cominciare, questo è il libro che stavate aspettando. Concentrandosi sul sottocampo dell'apprendimento automatico noto come deep learning, spiega i concetti fondamentali e fornisce le basi necessarie per iniziare a costruire i propri modelli. Anziché limitarsi a delineare le ricette per l'utilizzo dei toolkit esistenti, Practical Deep Learning vi insegna il perché dell'apprendimento profondo e vi stimolerà ad approfondire.

Tutto ciò che serve è una familiarità di base con la programmazione informatica e la matematica delle scuole superiori: il libro si occuperà di tutto il resto. Dopo un'introduzione a Python, si affronteranno argomenti chiave come la creazione di un buon set di dati per l'addestramento, il lavoro con le librerie scikit-learn e Keras e la valutazione delle prestazioni dei modelli.

Imparerete anche:

- Come utilizzare i modelli classici di apprendimento automatico come k-Nearest Neighbors, Random Forests e Support Vector Machines.

- Come funzionano le reti neurali e come vengono addestrate.

- Come utilizzare le reti neurali convoluzionali.

- Come sviluppare un modello di deep learning di successo partendo da zero.

Condurrete esperimenti lungo il percorso, per arrivare a un caso di studio finale che incorpora tutto ciò che avete imparato.

L'introduzione perfetta a questo campo dinamico e in continua espansione, Practical Deep Learning vi darà le competenze e la fiducia necessarie per immergervi nei vostri progetti di apprendimento automatico.