Pro Deep Learning con Tensorflow 2.0: Un approccio matematico all'intelligenza artificiale avanzata in Python

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Pro Deep Learning with Tensorflow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python

Contenuto del libro:

Questo libro si basa sulle basi stabilite nella prima edizione, con capitoli aggiornati e le più recenti implementazioni di codice per aggiornarlo con Tensorflow 2.0.

Pro Deep Learning with TensorFlow 2.0 inizia con le basi matematiche e tecniche del deep learning. Successivamente, imparerete a conoscere le reti neurali convoluzionali, compresi i nuovi metodi convoluzionali come la convoluzione dilatata, la convoluzione separabile in profondità e la loro implementazione. Si acquisirà poi una comprensione dell'elaborazione del linguaggio naturale in architetture di rete avanzate come i trasformatori e vari meccanismi di attenzione rilevanti per l'elaborazione del linguaggio naturale e per le reti neurali in generale. Man mano che si procede nel libro, si esplorano strutture di apprendimento non supervisionato che riflettono lo stato attuale dei metodi di apprendimento profondo, come gli autoencoder e gli autoencoder variazionali. Il capitolo finale tratta l'argomento avanzato delle reti generative avversarie e delle loro varianti, come le GAN a coerenza ciclica e le tecniche di rete neurale a grafo, come le reti di attenzione a grafo e GraphSAGE.

Al termine di questo libro, comprenderete le basi matematiche e i concetti dell'apprendimento profondo e sarete in grado di utilizzare i prototipi dimostrati per costruire nuove applicazioni di apprendimento profondo.

Cosa imparerete

⬤ Comprendere l'apprendimento profondo full-stack utilizzando TensorFlow 2.0.

⬤ Acquisire una comprensione delle basi matematiche del deep learning.

⬤ Impiegare in produzione soluzioni complesse di deep learning utilizzando TensorFlow 2.0.

⬤ Comprendere le reti generative avversarie, le reti di attenzione a grafo e GraphSAGE.

Per chi è questo libro:

Scienziati di dati e professionisti dell'apprendimento automatico, sviluppatori di software, studenti laureati e appassionati di open source.