Tensorflow 2.X nel Cloud Colaboratory: Un'introduzione al Deep Learning sul servizio cloud di Google

Recensioni dei lettori

Il libro è una risorsa preziosa sia per i principianti che per gli utenti avanzati nel campo del Deep Learning, in particolare con l'uso di TensorFlow 2.0. Fornisce spiegazioni chiare ed esempi pratici, rendendolo adatto anche a chi proviene da altri contesti tecnici, come l'ingegneria dei dati. Tuttavia, si lamenta una scarsa qualità di stampa.

⬤ Copertura completa delle basi del deep learning e degli argomenti avanzati, spiegazioni chiare, esempi pratici con TensorFlow
⬤ 0, utile sia per l'apprendimento che per una rapida consultazione e adatto a utenti con un certo background tecnico.

Segnalata una scarsa qualità di stampa.

(basato su 3 recensioni dei lettori)

Titolo originale:

Tensorflow 2.X in the Colaboratory Cloud: An Introduction to Deep Learning on Google's Cloud Service

Contenuto del libro:

Utilizzate TensorFlow 2.x con il prodotto Colaboratory (Colab) di Google, che offre un servizio cloud gratuito per i programmatori Python. Colab è particolarmente adatto come piattaforma per applicazioni di deep learning con TensorFlow 2.x. Imparerete a conoscere l'installazione predefinita di Colab del più recente TensorFlow 2.x insieme al facile accesso di Colab all'accelerazione hardware su richiesta delle GPU nel cloud per una rapida esecuzione dei modelli di deep learning. Questo libro offre l'opportunità di comprendere il deep learning in modo applicato, con l'unico requisito di una connessione a Internet. Tutto il resto - Python, TensorFlow 2.x, supporto GPU e Jupyter Notebook - è fornito e pronto da Colab.

Il libro inizia con un'introduzione a TensorFlow 2.x e al servizio cloud Google Colab. Imparerete a creare uno spazio di lavoro su Google Colab e a costruire una semplice applicazione di rete neurale. Da qui si passerà ai set di dati TensorFlow e alla creazione di pipeline di input a supporto della modellazione e dei test. Troverete una copertura della classificazione e della regressione del deep learning, con chiari esempi di codice che mostrano come eseguire ciascuna di queste funzioni. Gli argomenti avanzati trattati nel libro includono le reti neurali convoluzionali e le reti neurali ricorrenti.

Questo libro contiene tutta la matematica applicata e la programmazione necessaria per padroneggiare i contenuti. Gli esempi variano da semplici a relativamente complessi, quando necessario, per garantire l'acquisizione di concetti e costrutti di deep learning appropriati. Gli esempi sono spiegati con cura, concisi, accurati e completi per integrare perfettamente lo sviluppo delle abilità di deep learning. L'attenzione è rivolta a illustrare i principi fondamentali dell'apprendimento profondo attraverso esempi chiari scritti in Python che possono essere provati e sperimentati con Google Colab comodamente da casa o dall'ufficio.

Cosa imparerete

⬤ Conoscere i concetti e i costrutti di base del deep learning applicato.

⬤ Creare modelli di apprendimento automatico con codice Python pulito e affidabile.

⬤ Lavorare con i dataset comuni alle applicazioni di deep learning.

⬤ Preparare i dati per il consumo di TensorFlow.

⬤ Sfruttare il supporto integrato di Google Colab per il deep learning.

⬤ Eseguire esperimenti di deep learning utilizzando una varietà di modelli di reti neurali.

⬤ Essere in grado di montare Google Colab direttamente sul proprio account Google Drive.

⬤ Visualizzare le prestazioni dell'addestramento rispetto a quelle del test per vedere l'adattamento del modello.

Per chi è questo libro?

I lettori che desiderano imparare la famosa piattaforma di deep learning TensorFlow 2.x, coloro che desiderano padroneggiare i fondamenti del deep learning che a volte vengono saltati nella fretta di essere produttivi e coloro che desiderano acquisire competenze con un moderno strumento di servizio cloud come Google Colab.