Il workshop sull'apprendimento profondo con Keras: Imparare a definire e addestrare modelli di reti neurali con poche righe di codice

Recensioni dei lettori

Il libro “The Deep Learning with Keras Workshop” è apprezzato per essere una risorsa pratica e pratica che insegna efficacemente agli utenti come costruire reti neurali utilizzando Keras e TensorFlow. È accessibile ai principianti e allo stesso tempo prezioso per coloro che hanno una conoscenza preliminare dell'apprendimento automatico e di Python. Il libro è ben strutturato, offre spiegazioni chiare e fornisce numerosi esempi di codice e visualizzazioni.

⬤ Approccio pratico e pratico con istruzioni chiare e passo dopo passo.
⬤ Capitoli ben strutturati che si basano l'uno sull'altro.
⬤ Facile da capire, con buone visualizzazioni ed esempi di codice.
⬤ Copre gli aspetti essenziali del deep learning, tra cui la preelaborazione dei dati e la valutazione dei modelli.
⬤ Accessibile per i principianti e prezioso per chi ha una certa esperienza.

⬤ Si raccomanda una certa conoscenza preliminare di Python e dell'algebra lineare.
⬤ Potrebbe non trattare teorie matematiche approfondite, il che potrebbe lasciare i lettori più esperti a desiderare discussioni più dettagliate.

(basato su 8 recensioni dei lettori)

Titolo originale:

The Deep Learning with Keras Workshop: Learn how to define and train neural network models with just a few lines of code

Contenuto del libro:

Scopri come sfruttare Keras, la libreria open source in Python potente e facile da usare per sviluppare e valutare modelli di deep learning.

Caratteristiche principali

⬤ Imparare a conoscere le varie metriche di valutazione dei modelli, tra cui sensibilità, specificità e punteggi AUC.

⬤ Esplorare concetti avanzati come la memoria sequenziale e la modellazione sequenziale.

⬤ Rafforzate le vostre competenze con sviluppi reali, screencast e verifiche delle conoscenze.

Descrizione del libro

Le nuove esperienze possono intimidire, ma non questa Questa guida per principianti al deep learning è qui per aiutarvi a esplorare il deep learning da zero con Keras e ad addestrare le vostre prime reti neurali.

Ciò che distingue Keras da altri framework di deep learning è la sua semplicità. Con oltre duecentomila utenti, Keras è più adottato nell'industria e nella comunità di ricerca di qualsiasi altro framework per il deep learning.

Il workshop Deep Learning with Keras inizia introducendo i concetti fondamentali dell'apprendimento automatico utilizzando il pacchetto scikit-learn. Dopo aver imparato a eseguire le trasformazioni lineari necessarie per costruire reti neurali, costruirete la vostra prima rete neurale con la libreria Keras. Man mano che si avanza, si impara a costruire reti neurali multistrato e a riconoscere quando il modello si adatta poco o troppo ai dati di addestramento. Con l'aiuto di esercizi pratici, imparerete a utilizzare le tecniche di convalida incrociata per valutare i vostri modelli e a scegliere gli iperparametri ottimali per mettere a punto le loro prestazioni. Infine, esplorerete le reti neurali ricorrenti e imparerete ad addestrarle per prevedere valori in dati sequenziali.

Alla fine di questo libro, avrete sviluppato le competenze necessarie per addestrare con sicurezza i vostri modelli di rete neurale.

Che cosa imparerete?

⬤ Approfondire i fondamenti delle reti neurali.

⬤ Capire i limiti dell'apprendimento automatico e come si differenzia dal deep learning.

⬤ Costruire classificatori di immagini con reti neurali convoluzionali.

⬤ Valutare, modificare e migliorare i modelli con tecniche come la convalida incrociata.

⬤ Creare modelli di previsione per individuare modelli di dati e fare previsioni.

⬤ Migliorare l'accuratezza del modello con la regolarizzazione L1, L2 e dropout.

Per chi è questo libro?

Se conoscete le basi della scienza dei dati e dell'apprendimento automatico e volete iniziare a utilizzare tecnologie avanzate di apprendimento automatico come le reti neurali artificiali e l'apprendimento profondo, questo è il libro che fa per voi. Per comprendere meglio i concetti spiegati in questo libro sull'apprendimento profondo, è necessario avere una precedente esperienza di programmazione in Python e una certa familiarità con la statistica e la regressione logistica.