IA generativa con Python e TensorFlow 2: Creare immagini, testi e musica con VAE, GAN, LSTM e modelli Transformer

Recensioni dei lettori

Il libro fornisce un'introduzione ai modelli generativi, coprendo un'ampia gamma di argomenti, strumenti e applicazioni, compresi esempi pratici di codifica. È adatto a principianti e professionisti esperti, anche se presenta alcuni punti deboli nella struttura e nella rilevanza di alcuni contenuti.

⬤ Copertura completa dei modelli generativi e delle loro applicazioni.
⬤ Esempi pratici di codifica con TensorFlow e Keras.
⬤ Tutorial dettagliati sulla configurazione degli ambienti di programmazione.
⬤ Si rivolge a un pubblico ampio spiegando argomenti complessi in modo accessibile.
⬤ Buona organizzazione dei concetti fondamentali che portano a progetti pratici.

⬤ Alcuni capitoli sono ripetitivi e includono contenuti non necessari.
⬤ Gli esempi di codifica non sempre funzionano e generano confusione.
⬤ La struttura del libro è criticata per la sua scarsa organizzazione, con errori fattuali.
⬤ Gli esempi di PNL sono considerati più deboli rispetto alle sezioni immagini/audio.
⬤ Alcuni argomenti, come l'apprendimento per rinforzo, non sono rilevanti per il focus principale sui modelli generativi.

(basato su 21 recensioni dei lettori)

Titolo originale:

Generative AI with Python and TensorFlow 2: Create images, text, and music with VAEs, GANs, LSTMs, Transformer models

Contenuto del libro:

Implementare modelli generativi classici e di deep learning attraverso esempi pratici.

Caratteristiche principali:

⬤ Esplora le capacità creative e simili a quelle umane dell'IA e genera risultati impressionanti.

⬤ Utilizzate le ultime ricerche per ampliare le vostre conoscenze al di là di questo libro.

⬤ Sperimentate implementazioni pratiche di TensorFlow 2.x di modelli generativi all'avanguardia.

Descrizione del libro:

Negli ultimi anni, l'intelligenza artificiale generativa è stata determinante per la creazione di dati realistici (immagini, parlato, video, musica e testo) partendo da zero. In questo libro scoprirete come questi potenti modelli vengono creati a partire da elementi relativamente semplici e come potrete adattare questi modelli ai vostri casi d'uso.

Inizierete con la creazione di ambienti containerizzati e puliti per Python e con l'apprendimento dei fondamenti delle reti neurali profonde, imparando a conoscere concetti fondamentali come il perceptron, le funzioni di attivazione, la retropropagazione e il loro legame. Una volta acquisite le nozioni di base, si approfondiranno i modelli generativi profondi, tra cui la serie di generatori di notizie GPT di OpenAI, le reti per il trasferimento di stile e i deepfake e la sinergia con l'apprendimento per rinforzo.

Man mano che si procede, ci si concentra sulle astrazioni, laddove utili, e si comprendono i "dettagli" di come i modelli sono composti nel codice, supportati da diagrammi di architettura dettagliati. Il libro si conclude con una serie di progetti pratici per generare musica, immagini, testo e parlato utilizzando i metodi appresi nelle sezioni precedenti, mettendo insieme livelli TensorFlow, funzioni di utilità e cicli di addestramento per scoprire i collegamenti tra le diverse modalità di generazione.

Alla fine di questo libro, avrete acquisito le conoscenze necessarie per creare e implementare i vostri modelli di intelligenza artificiale generativa.

Che cosa imparerete?

⬤ Implementare il trasferimento di stile accoppiato e non accoppiato con reti come StyleGAN.

⬤ Utilizzare punti di riferimento facciali, autoencoder e pix2pix GAN per creare deepfakes.

⬤ Costruire diverse pipeline di generazione del testo basate su LSTM, BERT e GPT-2, imparando come l'attenzione e i trasformatori abbiano cambiato il panorama dell'NLP.

⬤ Comporre musica utilizzando modelli LSTM, semplici reti generative avversarie e l'intricato MuseGAN.

⬤ Addestrare un agente di deep learning a muoversi in un ambiente fisico simulato.

⬤ Scoprire le applicazioni emergenti dell'IA generativa, come il ripiegamento delle proteine e la creazione di video da immagini.

Per chi è questo libro?

Questo libro si rivolge a programmatori Python, modellatori esperti e ingegneri dell'apprendimento automatico desiderosi di apprendere la creazione e l'implementazione di modelli generativi. Per trarre il massimo da questo libro, è necessario avere una familiarità di base con la teoria della probabilità, l'algebra lineare e il deep learning.