Il manuale dell'architetto dell'apprendimento profondo: Costruire e distribuire soluzioni DL pronte per la produzione sfruttando le più recenti tecniche Python

Recensioni dei lettori

Il libro è una guida completa al deep learning, che copre le architetture fondamentali, le tecniche avanzate, la valutazione dei modelli, le distorsioni e l'equità e le pratiche di implementazione nel mondo reale. È strutturato in sezioni ben definite, che lo rendono accessibile sia ai principianti che ai professionisti esperti. Gli esempi pratici e il codice allegato migliorano notevolmente l'esperienza di apprendimento.

Offre una comprensione approfondita delle metodologie di deep learning, approfondimenti pratici sulla costruzione e l'implementazione dei modelli, illustrazioni eccellenti, ricchi contenuti su bias e fairness, layout strutturato per una facile comprensione, esercizi pratici con esempi di codice in Python e si rivolge a vari livelli di competenza.

Alcuni lettori potrebbero trovare alcuni argomenti complessi ancora impegnativi e, sebbene copra un'ampia gamma di argomenti, chi cerca conoscenze molto specialistiche potrebbe dover consultare altre risorse.

(basato su 10 recensioni dei lettori)

Titolo originale:

The Deep Learning Architect's Handbook: Build and deploy production-ready DL solutions leveraging the latest Python techniques

Contenuto del libro:

Sfruttate la potenza del deep learning per aumentare la produttività e l'efficienza grazie a questa guida pratica che illustra le tecniche e le best practice per l'intero ciclo di vita del deep learning.

Caratteristiche principali: Interpretare il processo decisionale dei modelli, garantendo trasparenza e fiducia nelle soluzioni basate sull'intelligenza artificiale Acquisire esperienza pratica in ogni fase del ciclo di vita dell'apprendimento profondo Esplorare casi di studio e soluzioni per l'implementazione di modelli di apprendimento profondo, tenendo conto della scalabilità, della deriva dei dati e delle considerazioni etiche L'acquisto del libro stampato o del Kindle include un eBook PDF gratuito.

Descrizione del libro:

L'apprendimento profondo consente di realizzare imprese prima irraggiungibili nel campo dell'automazione, ma estrarne il valore aziendale reale è un compito arduo. Questo libro vi insegnerà a costruire modelli complessi di deep learning e a intuire come strutturare i dati per raggiungere i vostri obiettivi di deep learning.

Questo libro sull'apprendimento profondo esplora ogni aspetto del ciclo di vita dell'apprendimento profondo, dalla pianificazione e preparazione dei dati all'implementazione dei modelli e alla governance, utilizzando scenari reali che vi porteranno a creare, implementare e gestire soluzioni avanzate. Imparerete inoltre a lavorare con dati di immagini, audio, testo e video utilizzando architetture di deep learning, nonché a ottimizzare e valutare i vostri modelli di deep learning in modo oggettivo per affrontare questioni quali pregiudizi, equità, attacchi avversari e trasparenza dei modelli.

Man mano che si procede, si sfrutta la potenza delle piattaforme di intelligenza artificiale per ottimizzare il ciclo di vita dell'apprendimento profondo e si utilizzano librerie e framework Python come PyTorch, ONNX, Catalyst, MLFlow, Captum, Nvidia Triton, Prometheus e Grafana per eseguire architetture di apprendimento profondo efficienti, ottimizzare le prestazioni dei modelli e semplificare i processi di distribuzione. Scoprirete inoltre il potenziale di trasformazione dei modelli linguistici di grandi dimensioni (LLM) per un'ampia gamma di applicazioni.

Alla fine di questo libro, avrete imparato a padroneggiare le tecniche di deep learning per sbloccare il loro pieno potenziale per i vostri sforzi.

Cosa imparerete: Usare la ricerca di architetture neurali (NAS) per automatizzare la progettazione di reti neurali artificiali (RNA) Implementare reti neurali ricorrenti (RNN), reti neurali convoluzionali (CNN), BERT, trasformatori e altro ancora per costruire il vostro modello Affrontare la deriva dei dati multimodali in un ambiente di produzione Valutare la qualità e la distorsione dei vostri modelli Esplorare le tecniche per proteggere il vostro modello da attacchi avversari Imparare a distribuire un modello con DataRobot AutoML

A chi è rivolto questo libro:

Questo libro è rivolto a professionisti del deep learning, data scientist e sviluppatori di machine learning che desiderano esplorare le architetture di deep learning per risolvere problemi aziendali complessi. Anche i professionisti del settore dell'apprendimento profondo e dell'intelligenza artificiale potranno trarre vantaggio dagli spunti forniti, applicabili a una varietà di casi d'uso aziendali. Per iniziare a leggere questo libro è necessaria una conoscenza di base della programmazione Python e delle tecniche di deep learning.