Corso accelerato di apprendimento profondo per principianti con Python: Teoria e applicazioni di reti neurali artificiali, CNN, RNN, LSTM e autoencoders con l'uso di dieci

Recensioni dei lettori

Il libro fornisce una serie di tecniche di deep learning ed è particolarmente adatto ai principianti di Python. Enfatizza la comprensione dei concetti piuttosto che la mera copia del codice. Tuttavia, ci sono critiche significative riguardo alla ripetizione delle informazioni nella serie, alla mancanza di spiegazioni dettagliate del codice e alla scarsa qualità di stampa.

Offre preziose intuizioni e tecniche per l'apprendimento di Python e del deep learning, è più comprensibile per i principianti, incoraggia l'autosufficienza nel coding, include esercizi per la pratica ed è generalmente piacevole e facile da seguire.

Contenuti ripetitivi in tutta la serie, mancanza di spiegazioni dettagliate per alcune sezioni di codifica, scarsa qualità di stampa (bianco e nero) e alcuni lettori hanno trovato confusione a causa di notazioni e spiegazioni inadeguate.

(basato su 9 recensioni dei lettori)

Titolo originale:

Deep Learning Crash Course for Beginners with Python: Theory and Applications of Artificial Neural Networks, CNN, RNN, LSTM and Autoencoders using Ten

Contenuto del libro:

L'intelligenza artificiale è di gran moda oggi!

Sebbene sia difficile comprendere i più recenti progressi dell'IA, essi si riducono semplicemente a due sviluppi molto noti: Machine Learning e Deep Learning. Nel 2020, il Deep Learning è in vantaggio grazie alla sua supremazia in termini di accuratezza, soprattutto quando viene addestrato con enormi quantità di dati. Il Deep Learning è essenzialmente un sottoinsieme del Machine Learning, ma è in grado di raggiungere un'enorme potenza e flessibilità. E l'era della tecnologia dei big data presenta vaste opportunità per incredibili innovazioni nel deep learning.

In cosa è diverso questo libro?

Questo libro dà la stessa importanza agli aspetti teorici e pratici del deep learning. Capirete come funzionano gli algoritmi di deep learning ad alte prestazioni. In ogni capitolo, la spiegazione teorica dei diversi tipi di tecniche di deep learning è seguita da esempi pratici. Imparerete a implementare diverse tecniche di deep learning utilizzando la libreria TensorFlow Keras per Python. Ogni capitolo contiene esercizi che possono essere utilizzati per valutare la comprensione dei concetti spiegati nel capitolo stesso. Inoltre, nelle Risorse, viene fornito il notebook Python per ogni capitolo. Il vantaggio principale dell'acquisto di questo libro è l'accesso immediato a tutti i contenuti extra presentati con questo libro - codici Python, riferimenti, esercizi e PDF - sul sito web dell'editore. Non è necessario spendere un centesimo in più. I set di dati utilizzati in questo libro vengono scaricati durante l'esecuzione o sono disponibili nella cartella Resources/Datasets.

Un altro vantaggio è la spiegazione dettagliata delle fasi di installazione del software necessario per implementare i vari algoritmi di apprendimento profondo contenuti in questo libro. In altre parole, potrete sperimentare gli aspetti pratici del Deep Learning fin dalla prima pagina. Anche chi è alle prime armi con Python troverà immensamente utile il corso accelerato sul linguaggio di programmazione Python contenuto nel primo capitolo. Poiché tutti i codici e i set di dati sono inclusi nel libro, per iniziare è sufficiente avere accesso a un computer con internet.

Gli argomenti trattati comprendono:

⬤ Corso accelerato di Python.

⬤ Prerequisiti per l'apprendimento approfondito: Regressione lineare e logistica.

⬤ Reti neurali da zero in Python.

⬤ Introduzione a TensorFlow e Keras.

⬤ Reti neurali evolutive.

⬤ Classificazione di sequenze con reti neurali ricorrenti.

⬤ Apprendimento approfondito per l'elaborazione del linguaggio naturale.

⬤ Apprendimento non supervisionato con gli autoencoder.

⬤ Risposte a tutti gli esercizi.

Cliccate sul pulsante ACQUISTA e scaricate subito il libro per iniziare il vostro viaggio nel Deep Learning.