Python Deep Learning - Seconda edizione: Esplorare le tecniche di deep learning e le architetture di rete neurale con PyTorch, Keras e TensorFlow, 2a Ed.

Recensioni dei lettori

Il libro è una risorsa completa sul deep learning, che copre un'ampia gamma di argomenti, dalle reti neurali di base ai modelli avanzati come l'apprendimento per rinforzo e le applicazioni in campi come la computer vision e i veicoli autonomi. È molto apprezzato per le spiegazioni chiare e gli esempi pratici, che lo rendono adatto a vari livelli di competenza. Tuttavia, alcuni utenti lamentano la rimozione di contenuti di valore dalle edizioni precedenti, e ci sono critiche riguardo alla qualità della grafica e all'accessibilità dei materiali supplementari.

Ampia copertura degli argomenti di deep learning, spiegazioni chiare e adatte a vari livelli di competenza, esempi pratici, inclusione delle principali librerie di deep learning, sezioni complete sulla computer vision e sull'apprendimento per rinforzo.

È stato rimosso del materiale prezioso dalle edizioni precedenti, la qualità grafica è insufficiente, i materiali supplementari sono confusi (ad esempio, i link a GitHub puntano a repository non corretti) e alcuni argomenti, soprattutto nell'elaborazione del linguaggio naturale, potrebbero essere approfonditi.

(basato su 8 recensioni dei lettori)

Titolo originale:

Python Deep Learning - Second Edition: Exploring deep learning techniques and neural network architectures with PyTorch, Keras, and TensorFlow, 2nd Ed

Contenuto del libro:

Impara le tecniche avanzate di deep learning e le loro applicazioni utilizzando le più diffuse librerie Python.

Caratteristiche principali

⬤ Costruire una solida base di reti neurali e deep learning con le librerie Python.

⬤ Esplora le tecniche avanzate di deep learning e le loro applicazioni in computer vision e NLP.

⬤ Impara come un computer può navigare in ambienti complessi con l'apprendimento per rinforzo.

Descrizione del libro

Con l'aumento dell'intelligenza artificiale nelle applicazioni che soddisfano sia le esigenze delle aziende che quelle dei consumatori, il deep learning è più importante che mai per soddisfare le richieste attuali e future del mercato. Con questo libro esplorerete il deep learning e imparerete a utilizzare l'apprendimento automatico nei vostri progetti.

Questa seconda edizione di Python Deep Learning vi consentirà di conoscere a fondo l'apprendimento profondo, le reti neurali profonde e come addestrarle con algoritmi ad alte prestazioni e i più diffusi framework Python. Scoprirete diverse architetture di reti neurali, come le reti convoluzionali, le reti neurali ricorrenti, le reti a memoria a breve termine (LSTM) e le reti a capsula. Imparerete anche a risolvere problemi nei campi della computer vision, dell'elaborazione del linguaggio naturale (NLP) e del riconoscimento vocale. Studierete approcci a modelli generativi come gli autoencoder variazionali e le reti avversarie generative (GAN) per generare immagini. Approfondendo le aree di recente evoluzione dell'apprendimento per rinforzo, si comprenderà lo stato dell'arte degli algoritmi che sono i componenti principali dei popolari giochi Go, Atari e Dota.

Alla fine del libro, sarete ben informati sulla teoria dell'apprendimento profondo e sulle sue applicazioni reali.

Che cosa imparerete?

⬤ Afferrare la teoria matematica alla base delle reti neurali e dei processi di deep learning.

⬤ Indagare e risolvere le sfide della computer vision utilizzando reti convoluzionali e reti a capsula.

⬤ Risolvere compiti generativi utilizzando autoencoder variazionali e reti avversarie generative.

⬤ Implementare compiti complessi di NLP utilizzando reti ricorrenti (LSTM e GRU) e modelli di attenzione.

⬤ Esplorare l'apprendimento per rinforzo e capire come gli agenti si comportano in un ambiente complesso.

⬤ Aggiornarsi sulle applicazioni del deep learning nei veicoli autonomi.

A chi è rivolto questo libro.

Questo libro si rivolge ai professionisti della scienza dei dati, agli ingegneri dell'apprendimento automatico e a coloro che sono interessati al deep learning e che hanno una base di apprendimento automatico e una certa esperienza di programmazione in Python. Un background matematico e una comprensione concettuale del calcolo e della statistica vi aiuteranno a trarre il massimo beneficio da questo libro.