Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, NLP, and Transformers using TensorFlow Информация о торренте
Глубокое обучение (Deep Learning, DL) - ключевой компонент сегодняшних захватывающих достижений в области машинного обучения и искусственного интеллекта. Книга Learning Deep Learning - это полное руководство по глубокому обучению. Освещая как основные концепции, так и практические методы программирования, необходимые для достижения успеха, эта книга идеально подходит для разработчиков, специалистов по изучению данных, аналитиков и других людей - в том числе для тех, кто не имеет опыта машинного обучения или статистики. После введения основных строительных блоков глубоких нейронных сетей, таких как искусственные нейроны и полностью связанные, конволюционные и рекуррентные слои, Магнус Экман показывает, как использовать их для построения продвинутых архитектур, включая трансформер. Он описывает, как эти концепции используются для построения современных сетей для компьютерного зрения и обработки естественного языка (NLP), включая Mask R-CNN, GPT и BERT. Он также объясняет, как работают переводчик естественного языка и система, генерирующая описания изображений на естественном языке. На протяжении всей книги Экман приводит краткие, хорошо прокомментированные примеры кода с использованием TensorFlow и Keras. Соответствующие примеры PyTorch представлены онлайн, и таким образом книга охватывает две доминирующие библиотеки Python для DL, используемые в промышленности и научных кругах. В конце книги дается введение в поиск нейронной архитектуры (NAS), рассматриваются важные этические вопросы и предоставляются ресурсы для дальнейшего обучения.
Изучите и освойте основные концепции: перцептроны, обучение на основе градиента, сигмоидальные нейроны и обратное распространение.
Узнайте, как DL-фреймворки облегчают разработку более сложных и полезных нейронных сетей.
Узнайте, как конволюционные нейронные сети (CNN) революционизируют классификацию и анализ изображений.
Примените рекуррентные нейронные сети (RNN) и долговременную кратковременную память (LSTM) к тексту и другим последовательностям переменной длины
Осваивайте НЛП с помощью сетей "последовательность-последовательность" и архитектуры Transformer.
Создавайте приложения для перевода на естественный язык и создания подписей к изображениям.
Изобретение NVIDIA GPU привело к появлению рынка компьютерных игр. Новаторская работа компании в области ускоренных вычислений - сверхмощной формы вычислений на пересечении компьютерной графики, высокопроизводительных вычислений и ИИ - меняет отрасли с триллионным оборотом, такие как транспорт, здравоохранение и производство, и стимулирует рост многих других.
