Modelli di Deep Learning allo stato dell'arte in Tensorflow: L'apprendimento automatico moderno nell'ecosistema del Google Colab

Recensioni dei lettori

Il libro del Dr. Paper offre una panoramica completa del deep learning, coprendo sia gli argomenti di base che quelli avanzati, in particolare con un focus su TensorFlow 2.0. Il libro è stato apprezzato per la sua chiarezza, le spiegazioni dettagliate e l'applicazione pratica nelle implementazioni reali. È apprezzato per la sua chiarezza, le spiegazioni dettagliate e l'applicabilità pratica nelle implementazioni reali, che lo rendono una risorsa preziosa per imparare e rinfrescare le conoscenze sul deep learning e sull'apprendimento automatico.

⬤ Spiegazioni chiare e dettagliate, copre un'ampia gamma di argomenti, eccellente sia per i principianti che per gli utenti avanzati, esperienza pratica fornita, serve come riferimento rapido per le tecniche, forte attenzione a TensorFlow
⬤ 0, altamente raccomandato per le implementazioni pratiche.

La recensione non specifica alcun contro significativo, ma potrebbe implicare che la complessità del deep learning stesso può essere impegnativa, anche se il libro cerca di affrontare questo aspetto.

(basato su 1 recensioni dei lettori)

Titolo originale:

State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem

Contenuto del libro:

1. Costruire pipeline di input TensorFlow2.

Aumentare la diversità del dataset con l'incremento dei dati3. Insiemi di dati TensorFlow4. Apprendimento profondo con i dataset di TensorFlow5.

Introduzione alle unità di elaborazione dei tensori6.

Apprendimento per trasferimento semplice con TensorFlow Hub7. Apprendimento di trasferimento avanzato8.

Autoencoder impilati9. Autoencoder convoluzionali e variazionali10. Reti avversarie generative11.

Reti avversarie generative a crescita progressiva12. Trasferimento veloce dello stile13. Rilevamento di oggetti14.

Introduzione all'apprendimento per rinforzo.