Deep Learning. Praca z językiem Python i biblioteką Keras
- Autor:
- Francois Chollet
- Wydawnictwo:
- Helion
- Ocena:
- 4.1/6 Opinie: 7
- Stron:
- 368
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Opis książki: Deep Learning. Praca z językiem Python i biblioteką Keras
W skrócie uczenie maszynowe polega na wyodrębnianiu informacji z surowych danych i budowie modelu, który służy do przetwarzania kolejnych surowych danych. Technologia ta od kilku lat intensywnie się rozwija, a w miarę wzrostu jej możliwości rosną również zainteresowanie i oczekiwania architektów i użytkowników. Niektórzy widzą w głębokim uczeniu poważne zagrożenie, jednak obietnice, jakie daje ten rodzaj sztucznej inteligencji, są fascynujące. Narzędzia służące do programowania uczenia maszynowego, takie jak zaimplementowana w Pythonie biblioteka Keras, są dostępne dla każdego, kto chce wykorzystać tę technologię do własnych celów.
Niniejsza książka jest praktycznym przewodnikiem po uczeniu głębokim. Znalazły się tu dokładne informacje o istocie uczenia głębokiego, o jego zastosowaniach i ograniczeniach. Wyjaśniono zasady rozwiązywania typowych problemów uczenia maszynowego. Pokazano, jak korzystać z pakietu Keras przy implementacji rozpoznawania obrazu, przetwarzania języka naturalnego, klasyfikacji obrazów, przewidywania danych szeregu czasowego, analizy sentymentu, generowania tekstu i obrazu. Nawet dość skomplikowane zagadnienia, włączając w to koncepcje i dobre praktyki, zostały wyjaśnione w sposób bardzo przystępny i zrozumiały, tak aby umożliwić samodzielne stosowanie technik uczenia głębokiego w kolejnych projektach.
W tej książce między innymi:
- kontekst i ogólne koncepcje sztucznej inteligencji, uczenia maszynowego i uczenia głębokiego
- sieci neuronowe i pakiet Keras
- typowe sposoby pracy nad projektami uczenia głębokiego
- rozbudowane modele uczenia głębokiego oraz modele generatywne
- perspektywy i ograniczenia technologii
Uczenie głębokie. Nikt nie zna granic tej technologii!
Wybrane bestsellery
-
Ta książka jest znakomitym przewodnikiem po technikach uczenia głębokiego. Poza wyczerpująco przedstawionymi podstawami znajdziesz tu zasady implementacji tych technik z wykorzystaniem języka R i biblioteki Keras. Dzięki przystępnym wyjaśnieniom i praktycznym przykładom szybko zrozumiesz nawet ba...
Deep Learning. Praca z językiem R i biblioteką Keras Deep Learning. Praca z językiem R i biblioteką Keras
(0,00 zł najniższa cena z 30 dni)53.90 zł
77.00 zł(-30%) -
Oto intuicyjny przewodnik dla średnio zaawansowanych programistów Pythona, pomyślany tak, by przyswajać zasady programowania zorientowanego obiektowo podczas praktycznych ćwiczeń. Dowiesz się, jakie problemy wiążą się z zastosowaniem podejścia proceduralnego i jak dzięki podejściu obiektowemu pis...
Python zorientowany obiektowo. Programowanie gier i graficznych interfejsów użytkownika Python zorientowany obiektowo. Programowanie gier i graficznych interfejsów użytkownika
(0,00 zł najniższa cena z 30 dni)62.30 zł
89.00 zł(-30%) -
To drugie, zaktualizowane i poprawione wydanie bestsellerowego podręcznika Programowania w Pythonie pozwoli Ci błyskawicznie zacząć tworzyć kod, który działa! Zaczniesz od zrozumienia podstawowych koncepcji programistycznych, następnie nauczysz się zapewniać programom interaktywność i wykształcis...(0,00 zł najniższa cena z 30 dni)
69.30 zł
99.00 zł(-30%) -
To kompleksowy podręcznik do nauki programowania w Pythonie. Jego piąte wydanie zostało gruntownie zaktualizowane i rozbudowane o dodatkowe treści. Omówiono tu najnowsze wersje Pythona w liniach 3.X i 2.X, czyli 3.3 i 2.7, i dodano opisy nowych lub rozszerzonych mechanizmów, takich jak obsługa fo...(0,00 zł najniższa cena z 30 dni)
139.30 zł
199.00 zł(-30%) -
Dzięki tej książce przekonasz się, jak wspaniałą przygodą jest programowanie i jak łatwo ją zacząć! Poznasz podstawy Pythona, dowiesz się, jak pisać i formatować kod, a także szybko nauczysz się uruchamiać swoje programy. Instrukcje sterujące, operatory, typy danych, funkcje, klasy i moduły nie b...
Python 3. Projekty dla początkujących i pasjonatów Python 3. Projekty dla początkujących i pasjonatów
(0,00 zł najniższa cena z 30 dni)41.93 zł
59.90 zł(-30%) -
Ta książka jest przystępnym wprowadzeniem do kryptografii i bibliotek kryptograficznych Pythona. Omówiono tu podstawowe koncepcje z tej dziedziny, najważniejsze algorytmy i niezbędny zakres podstaw matematycznych: liczby pierwsze, teorię grup czy generatory liczb pseudolosowych. Wyjaśniono, czym ...
Algorytmy kryptograficzne w Pythonie. Wprowadzenie Algorytmy kryptograficzne w Pythonie. Wprowadzenie
(0,00 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
Metody statystyczne są kluczowym elementem data science, mimo to niewielu specjalistów data science posiada formalne wykształcenie statystyczne. Kursy i podręczniki o podstawach statystyki, rzadko kiedy omawiają temat z perspektywy data science. W drugim wydaniu tego popularnego podręcznika zosta...
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II
(0,00 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
Oto pierwszy tom dzieła, które stanowi inspirujące spojrzenie na sztuczną inteligencję. Jego zrozumienie nie wymaga wybitnej znajomości informatyki i matematyki. Książka jest wspaniałą syntezą wczesnych i późniejszych koncepcji, a także technik, przeprowadzoną we frameworku idei, metod i technolo...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 1
(0,00 zł najniższa cena z 30 dni)118.30 zł
169.00 zł(-30%) -
To kolejne wydanie lubianego samouczka, dzięki któremu w ramach 24 godzinnych lekcji przyswoisz solidne podstawy programowania. Zrozumiesz, jak działają programy, i nauczysz się reguł stosowanych przez profesjonalistów przy ich projektowaniu. Dowiesz się, jak wygląda świat programistów i na czym ...
Programowanie dla początkujących w 24 godziny. Wydanie IV Programowanie dla początkujących w 24 godziny. Wydanie IV
(0,00 zł najniższa cena z 30 dni)41.40 zł
69.00 zł(-40%) -
Ta książka jest zwięzłym, skupionym na praktyce przewodnikiem po Pythonie w wersji 3.6 i nowszych. Dzięki niej skoncentrujesz się na rdzeniu języka i podstawowych zagadnieniach, które musisz doskonale opanować, jeśli chcesz pisać w nim dobry kod. Dowiesz się zatem, jak działa Python i jakich zasa...(0,00 zł najniższa cena z 30 dni)
48.30 zł
69.00 zł(-30%)
O autorze książki
1 Francois CholletFrançois Chollet jest znany przede wszystkim jako autor biblioteki uczenia głębokiego Keras. Obecnie pracuje w firmie Google w Mountain View w Kalifornii. Jest niekwestionowanym autorytetem w takich dziedzinach jak uczenie maszynowe i rozwój sztucznej inteligencji. Zajmuje się również rozwojem technik uczenia głębokiego związanych z przetwarzaniem obrazu oraz procesami logicznego myślenia. Zabierał głos na najważniejszych konferencjach branżowych.
Ebooka przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video zobaczysz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolonych urządzeniach i aplikacjach obsługujących format MP4 (pliki spakowane w ZIP)
Szczegóły książki
- Tytuł oryginału:
- Deep Learning with Python
- Tłumaczenie:
- Konrad Matuk
- ISBN Książki drukowanej:
- 978-83-283-4778-6, 9788328347786
- Data wydania książki drukowanej:
- 2019-03-19
- ISBN Ebooka:
- 978-83-283-4779-3, 9788328347793
- Data wydania ebooka:
-
2019-03-19
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@helion.pl.
- Format:
- 168x237
- Numer z katalogu:
- 82671
- Rozmiar pliku Pdf:
- 9.8MB
- Rozmiar pliku ePub:
- 9.9MB
- Rozmiar pliku Mobi:
- 21.3MB
- Pobierz przykładowy rozdział PDF
- Przykłady na ftp
Ebook zawiera materiały dodatkowe, które możesz pobrać z serwera FTP - link znajdziesz na stronie redakcyjnej.
- Erraty / Zgłoś erratę
- Kategorie:
Programowanie » Python - Programowanie
Uczenie maszynowe
Spis treści książki
- 1.1. Sztuczna inteligencja, uczenie maszynowe i uczenie głębokie 22
- 1.1.1. Sztuczna inteligencja 22
- 1.1.2. Uczenie maszynowe 23
- 1.1.3. Formy danych umożliwiające uczenie 24
- 1.1.4. "Głębia" uczenia głębokiego 26
- 1.1.5. Działanie uczenia głębokiego przedstawione na trzech rysunkach 28
- 1.1.6. Co dotychczas osiągnięto za pomocą uczenia głębokiego? 29
- 1.1.7. Nie wierz w tymczasową popularność 30
- 1.1.8. Nadzieje na powstanie sztucznej inteligencji 31
- 1.2. Zanim pojawiło się uczenie głębokie: krótka historia uczenia maszynowego 32
- 1.2.1. Modelowanie probabilistyczne 33
- 1.2.2. Wczesne sieci neuronowe 33
- 1.2.3. Metody jądrowe 33
- 1.2.4. Drzewa decyzyjne, lasy losowe i gradientowe wzmacnianie maszyn 35
- 1.2.5. Powrót do sieci neuronowych 36
- 1.2.6. Co wyróżnia uczenie głębokie? 36
- 1.2.7. Współczesne uczenie maszynowe 37
- 1.3. Dlaczego uczenie głębokie? Dlaczego teraz? 38
- 1.3.1. Sprzęt 38
- 1.3.2. Dane 39
- 1.3.3. Algorytmy 40
- 1.3.4. Nowa fala inwestycji 41
- 1.3.5. Demokratyzacja uczenia głębokiego 41
- 1.3.6. Co dalej? 42
- 2.1. Pierwszy przykład sieci neuronowej 44
- 2.2. Reprezentacja danych sieci neuronowych 47
- 2.2.1. Skalary (tensory zerowymiarowe) 47
- 2.2.2. Wektory (tensory jednowymiarowe) 48
- 2.2.3. Macierze (tensory dwuwymiarowe) 48
- 2.2.4. Trójwymiarowe tensory i tensory o większej liczbie wymiarów 48
- 2.2.5. Główne atrybuty 49
- 2.2.6. Obsługa tensorów w bibliotece Numpy 50
- 2.2.7. Wsad danych 51
- 2.2.8. Prawdziwe przykłady tensorów danych 51
- 2.2.9. Dane wektorowe 52
- 2.2.10. Dane szeregu czasowego i dane sekwencyjne 52
- 2.2.11. Dane w postaci obrazów 53
- 2.2.12. Materiały wideo 53
- 2.3. Koła zębate sieci neuronowych: operacje na tensorach 54
- 2.3.1. Operacje wykonywane element po elemencie 54
- 2.3.2. Rzutowanie 55
- 2.3.3. Iloczyn tensorowy 56
- 2.3.4. Zmiana kształtu tensora 59
- 2.3.5. Geometryczna interpretacja operacji tensorowych 59
- 2.3.6. Interpretacja geometryczna uczenia głębokiego 60
- 2.4. Silnik sieci neuronowych: optymalizacja gradientowa 61
- 2.4.1. Czym jest pochodna? 62
- 2.4.2. Pochodna operacji tensorowej: gradient 63
- 2.4.3. Stochastyczny spadek wzdłuż gradientu 64
- 2.4.4. Łączenie pochodnych: algorytm propagacji wstecznej 67
- 2.5. Ponowna analiza pierwszego przykładu 68
- 3.1. Anatomia sieci neuronowej 72
- 3.1.1. Warstwy: podstawowe bloki konstrukcyjne uczenia głębokiego 72
- 3.1.2. Modele: sieci warstw 74
- 3.1.3. Funkcja straty i optymalizatory: najważniejsze elementy konfiguracji procesu uczenia 74
- 3.2. Wprowadzenie do pakietu Keras 75
- 3.2.1. Keras, TensorFlow, Theano i CNTK 76
- 3.2.2. Praca z pakietem Keras: krótkie wprowadzenie 77
- 3.3. Przygotowanie stacji roboczej do uczenia głębokiego 78
- 3.3.1. Notatniki Jupyter: najlepszy sposób na eksperymentowanie z uczeniem głębokim 79
- 3.3.2. Dwie opcje uruchamiania pakietu Keras 79
- 3.3.3. Wady i zalety uruchamiania uczenia głębokiego w chmurze 80
- 3.3.4. Jaki procesor graficzny najlepiej nadaje się do uczenia głębokiego? 80
- 3.4. Przykład klasyfikacji binarnej: klasyfikacja recenzji filmów 81
- 3.4.1. Zbiór danych IMDB 81
- 3.4.2. Przygotowywanie danych 82
- 3.4.3. Budowa sieci neuronowej 83
- 3.4.4. Walidacja modelu 85
- 3.4.5. Używanie wytrenowanej sieci do generowania przewidywań dotyczących nowych danych 89
- 3.4.6. Dalsze eksperymenty 90
- 3.4.7. Wnioski 90
- 3.5. Przykład klasyfikacji wieloklasowej: klasyfikacja krótkich artykułów prasowych 90
- 3.5.1. Zbiór danych Agencji Reutera 91
- 3.5.2. Przygotowywanie danych 92
- 3.5.3. Budowanie sieci 93
- 3.5.4. Walidacja modelu 94
- 3.5.5. Generowanie przewidywań dotyczących nowych danych 96
- 3.5.6. Inne sposoby obsługi etykiet i funkcji straty 96
- 3.5.7. Dlaczego warto tworzyć odpowiednio duże warstwy pośrednie? 97
- 3.5.8. Dalsze eksperymenty 98
- 3.5.9. Wnioski 98
- 3.6. Przykład regresji: przewidywanie cen mieszkań 98
- 3.6.1. Zbiór cen mieszkań w Bostonie 98
- 3.6.2. Przygotowywanie danych 99
- 3.6.3. Budowanie sieci 100
- 3.6.4. K-składowa walidacja krzyżowa 100
- 3.6.5. Wnioski 104
- 4.1. Cztery rodzaje uczenia maszynowego 108
- 4.1.1. Uczenie nadzorowane 108
- 4.1.2. Uczenie nienadzorowane 108
- 4.1.3. Uczenie częściowo nadzorowane 109
- 4.1.4. Uczenie przez wzmacnianie 109
- 4.2. Ocena modeli uczenia maszynowego 109
- 4.2.1. Zbiory treningowe, walidacyjne i testowe 111
- 4.2.2. Rzeczy, o których warto pamiętać 114
- 4.3. Wstępna obróbka danych, przetwarzanie cech i uczenie cech 114
- 4.3.1. Przygotowywanie danych do przetwarzania przez sieci neuronowe 115
- 4.3.2. Przetwarzanie cech 116
- 4.4. Nadmierne dopasowanie i zbyt słabe dopasowanie 118
- 4.4.1. Redukcja rozmiaru sieci 118
- 4.4.2. Dodawanie regularyzacji wag 121
- 4.4.3. Porzucanie - technika dropout 123
- 4.5. Uniwersalny przepływ roboczy uczenia maszynowego 124
- 4.5.1. Definiowanie problemu i przygotowywanie zbioru danych 125
- 4.5.2. Wybór miary sukcesu 126
- 4.5.3. Określanie techniki oceny wydajności modelu 126
- 4.5.4. Przygotowywanie danych 127
- 4.5.5. Tworzenie modeli lepszych od linii bazowej 127
- 4.5.6. Skalowanie w górę: tworzenie modelu, który ulega nadmiernemu dopasowaniu 128
- 4.5.7. Regularyzacja modelu i dostrajanie jego hiperparametrów 129
- 5.1. Wprowadzenie do konwolucyjnych sieci neuronowych 134
- 5.1.1. Działanie sieci konwolucyjnej 136
- 5.1.2. Operacja max-pooling 141
- 5.2. Trenowanie konwolucyjnej sieci neuronowej na małym zbiorze danych 143
- 5.2.1. Stosowanie uczenia głębokiego w problemach małych zbiorów danych 143
- 5.2.2. Pobieranie danych 144
- 5.2.3. Budowa sieci neuronowej 147
- 5.2.4. Wstępna obróbka danych 148
- 5.2.5. Stosowanie techniki augmentacji danych 152
- 5.3. Korzystanie z wcześniej wytrenowanej konwolucyjnej sieci neuronowej 156
- 5.3.1. Ekstrakcja cech 157
- 5.3.2. Dostrajanie 165
- 5.3.3. Wnioski 171
- 5.4. Wizualizacja efektów uczenia konwolucyjnych sieci neuronowych 172
- 5.4.1. Wizualizacja pośrednich aktywacji 172
- 5.4.2. Wizualizacja filtrów konwolucyjnych sieci neuronowych 179
- 5.4.3. Wizualizacja map ciepła aktywacji klas 184
- 6.1. Praca z danymi tekstowymi 190
- 6.1.1. Kodowanie słów i znaków metodą gorącej jedynki 191
- 6.1.2. Osadzanie słów 194
- 6.1.3. Łączenie wszystkich technik: od surowego tekstu do osadzenia słów 198
- 6.1.4. Wnioski 205
- 6.2. Rekurencyjne sieci neuronowe 205
- 6.2.1. Warstwa rekurencyjna w pakiecie Keras 208
- 6.2.2. Warstwy LSTM i GRU 211
- 6.2.3. Przykład warstwy LSTM zaimplementowanej w pakiecie Keras 214
- 6.2.4. Wnioski 216
- 6.3. Zaawansowane zastosowania rekurencyjnych sieci neuronowych 216
- 6.3.1. Problem prognozowania temperatury 217
- 6.3.2. Przygotowywanie danych 219
- 6.3.3. Punkt odniesienia w postaci zdrowego rozsądku 222
- 6.3.4. Podstawowe rozwiązanie problemu przy użyciu techniki uczenia maszynowego 223
- 6.3.5. Punkt odniesienia w postaci pierwszego modelu rekurencyjnego 224
- 6.3.6. Stosowanie rekurencyjnego porzucania w celu zmniejszenia nadmiernego dopasowania 225
- 6.3.7. Tworzenie stosów warstw rekurencyjnych 227
- 6.3.8. Korzystanie z dwukierunkowych rekurencyjnych sieci neuronowych 228
- 6.3.9. Kolejne rozwiązania 232
- 6.3.10. Wnioski 233
- 6.4. Konwolucyjne sieci neuronowe i przetwarzanie sekwencji 234
- 6.4.1. Przetwarzanie sekwencji za pomocą jednowymiarowej sieci konwolucyjnej 234
- 6.4.2. Jednowymiarowe łączenie danych sekwencyjnych 235
- 6.4.3. Implementacja jednowymiarowej sieci konwolucyjnej 235
- 6.4.4. Łączenie sieci konwolucyjnych i rekurencyjnych w celu przetworzenia długich sekwencji 238
- 6.4.5. Wnioski 241
- 7.1. Funkcjonalny interfejs programistyczny pakietu Keras: wykraczanie poza model sekwencyjny 244
- 7.1.1. Wprowadzenie do funkcjonalnego interfejsu API 246
- 7.1.2. Modele z wieloma wejściami 248
- 7.1.3. Modele z wieloma wyjściami 250
- 7.1.4. Skierowane acykliczne grafy warstw 252
- 7.1.5. Udostępnianie wag warstwy 255
- 7.1.6. Modele pełniące funkcję warstw 257
- 7.1.7. Wnioski 257
- 7.2. Monitorowanie modeli uczenia głębokiego przy użyciu wywołań zwrotnych pakietu Keras i narzędzia TensorBoard 258
- 7.2.1. Używanie wywołań zwrotnych w celu sterowania procesem trenowania modelu 258
- 7.2.2. Wprowadzenie do TensorBoard - platformy wizualizacji danych pakietu TensorFlow 261
- 7.2.3. Wnioski 267
- 7.3. Korzystanie z pełni możliwości modeli 267
- 7.3.1. Konstrukcja zaawansowanych architektur 267
- 7.3.2. Optymalizacja hiperparametru 271
- 7.3.3. Składanie modeli 272
- 7.3.4. Wnioski 274
- 8.1. Generowanie tekstu za pomocą sieci LSTM 279
- 8.1.1. Krótka historia generatywnych sieci rekurencyjnych 279
- 8.1.2. Generowanie danych sekwencyjnych 280
- 8.1.3. Dlaczego strategia próbkowania jest ważna? 281
- 8.1.4. Implementacja algorytmu LSTM generującego tekst na poziomie liter 282
- 8.1.5. Wnioski 287
- 8.2. DeepDream 287
- 8.2.1. Implementacja algorytmu DeepDream w pakiecie Keras 289
- 8.2.2. Wnioski 293
- 8.3. Neuronowy transfer stylu 295
- 8.3.1. Strata treści 296
- 8.3.2. Strata stylu 296
- 8.3.3. Implementacja neuronowego transferu stylu przy użyciu pakietu Keras 297
- 8.3.4. Wnioski 302
- 8.4. Generowanie obrazów przy użyciu wariacyjnych autoenkoderów 302
- 8.4.1. Próbkowanie z niejawnej przestrzeni obrazów 304
- 8.4.2. Wektory koncepcyjne używane podczas edycji obrazu 305
- 8.4.3. Wariacyjne autoenkodery 306
- 8.4.4. Wnioski 311
- 8.5. Wprowadzenie do generatywnych sieci z przeciwnikiem 312
- 8.5.1. Schematyczna implementacja sieci GAN 313
- 8.5.2. Zbiór przydatnych rozwiązań 314
- 8.5.3. Generator 315
- 8.5.4. Dyskryminator 316
- 8.5.5. Sieć z przeciwnikiem 317
- 8.5.6. Trenowanie sieci DCGAN 317
- 8.5.7. Wnioski 319
- 9.1. Przypomnienie najważniejszych koncepcji 322
- 9.1.1. Sztuczna inteligencja 322
- 9.1.2. Co sprawia, że uczenie głębokie to wyjątkowa dziedzina uczenia maszynowego? 322
- 9.1.3. Jak należy traktować uczenie głębokie? 323
- 9.1.4. Najważniejsze technologie 324
- 9.1.5. Uniwersalny przepływ roboczy uczenia maszynowego 325
- 9.1.6. Najważniejsze architektury sieci 326
- 9.1.7. Przestrzeń możliwości 330
- 9.2. Ograniczenia uczenia głębokiego 332
- 9.2.1. Ryzyko antropomorfizacji modeli uczenia maszynowego 332
- 9.2.2. Lokalne uogólnianie a ekstremalne uogólnianie 334
- 9.2.3. Wnioski 335
- 9.3. Przyszłość uczenia głębokiego 336
- 9.3.1. Modele jako programy 337
- 9.3.2. Wykraczanie poza algorytm propagacji wstecznej i warstwy różniczkowalne 339
- 9.3.3. Zautomatyzowane uczenie maszynowe 340
- 9.3.4. Nieustanne uczenie się i wielokrotne używanie modułowych procedur składowych 341
- 9.3.5. Przewidywania dotyczące dalekiej przyszłości 342
- 9.4. Bycie na bieżąco z nowościami związanymi z szybko rozwijającą się dziedziną 343
- 9.4.1. Zdobywaj wiedzę praktyczną, pracując z prawdziwymi problemami przedstawianymi w serwisie Kaggle 343
- 9.4.2. Czytaj o nowych rozwiązaniach w serwisie arXiv 344
- 9.4.3. Eksploruj ekosystem związany z pakietem Keras 344
- 9.5. Ostatnie słowa 345
Przedmowa 9
Podziękowania 11
O książce 13
O autorze 17
CZĘŚĆ I. PODSTAWY UCZENIA GŁĘBOKIEGO 19
Rozdział 1. Czym jest uczenie głębokie? 21
Rozdział 2. Matematyczne podstawy sieci neuronowych 43
Rozdział 3. Rozpoczynamy korzystanie z sieci neuronowych 71
Rozdział 4. Podstawy uczenia maszynowego 107
CZĘŚĆ II. UCZENIE GŁĘBOKIE W PRAKTYCE 131
Rozdział 5. Uczenie głębokie i przetwarzanie obrazu 133
Rozdział 6. Uczenie głębokie w przetwarzaniu tekstu i sekwencji 189
Rozdział 7. Zaawansowane najlepsze praktyki uczenia głębokiego 243
Rozdział 8. Stosowanie uczenia głębokiego w celu generowania danych 277
Rozdział 9. Wnioski 321
Dodatek A. Instalowanie pakietu Keras i innych bibliotek niezbędnych do jego działania w systemie Ubuntu 347
Dodatek B. Uruchamianie kodu notatników Jupyter przy użyciu zdalnej instancji procesora graficznego EC2 353
Skorowidz 361
Helion - inne książki
-
W tej książce omówiono techniki wdrażania systemów na platformie AWS i zasady zarządzania nimi. Zaprezentowano podstawy korzystania z usługi Identity and Access Management oraz narzędzia sieciowe i monitorujące chmury AWS. Poruszono tematy Virtual Private Cloud, Elastic Compute Cloud, równoważeni...
AWS dla administratorów systemów. Tworzenie i utrzymywanie niezawodnych aplikacji chmurowych AWS dla administratorów systemów. Tworzenie i utrzymywanie niezawodnych aplikacji chmurowych
(0,00 zł najniższa cena z 30 dni)55.30 zł
79.00 zł(-30%) -
Ta książka jest przeznaczona dla osób, które chcą zrozumieć działanie Lightning Network i wykorzystać możliwości tej technologii we własnych aplikacjach. Z lektury tej pozycji skorzystają programiści, architekci systemowi i inżynierowie. Omówiono w niej podstawy funkcjonowania sieci LN i sposoby ...
Lightning Network dla praktyków. Protokół drugiej warstwy i jego wykorzystanie do obsługi płatności bitcoinami Lightning Network dla praktyków. Protokół drugiej warstwy i jego wykorzystanie do obsługi płatności bitcoinami
(0,00 zł najniższa cena z 30 dni)83.30 zł
119.00 zł(-30%) -
Nie trzeba siedzieć po uszy w programowaniu, by zauważyć pewną regułę: lwia część książek poświęconych temu zagadnieniu została napisana w podobny sposób. I nie chodzi o styl, środowisko czy język, lecz o strukturę. Prawidłowość tę zauważył Łukasz Sosna, który do zagadnienia programowania w język...
Visual Studio 2022, C# i .NET. Programowanie kontrolek Visual Studio 2022, C# i .NET. Programowanie kontrolek
(0,00 zł najniższa cena z 30 dni)34.93 zł
49.90 zł(-30%) -
IT przeżywa rozkwit, czego dowodem jest to, że w pierwszym półroczu 2022 roku 25 procent ogłoszeń o pracy było skierowanych właśnie do przedstawicieli tej branży. Na ten imponujący wynik składają się oferty dla specjalistów do spraw rozwoju oprogramowania (16 procent wszystkich ogłoszeń). Nic wię...
Ścieżka testera. Certyfikat ISTQB w pytaniach i odpowiedziach Ścieżka testera. Certyfikat ISTQB w pytaniach i odpowiedziach
(0,00 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
Dzięki tej książce nauczysz się programować w języku VBA. Dowiesz się także, w jaki sposób można zautomatyzować wiele żmudnych czynności wykonywanych w Excelu i w innych aplikacjach pakietu MS Office. Naukę rozpoczniesz od podstaw, które podano tu w przystępnej i zrozumiałej formie. Dowiesz się, ...
Automatyzacja w VBA dla Excela 2019. Receptury. Jak przyspieszać rutynowe zadania i zwiększać efektywność pracy Automatyzacja w VBA dla Excela 2019. Receptury. Jak przyspieszać rutynowe zadania i zwiększać efektywność pracy
(0,00 zł najniższa cena z 30 dni)55.30 zł
79.00 zł(-30%) -
Ta książka jest znakomitym wprowadzeniem do Power BI. Dzięki niej nauczysz się modelowania danych, technik definiowania relacji oraz tworzenia modeli danych. Dowiesz się też, jak prowadzić obliczenia za pomocą funkcji modelowania. Poznasz także podstawy pisania kodu w języku DAX i korzystania z n...
Modelowanie danych z Power BI dla ekspertów analityki. Jak w pełni wykorzystać możliwości Power BI Modelowanie danych z Power BI dla ekspertów analityki. Jak w pełni wykorzystać możliwości Power BI
(0,00 zł najniższa cena z 30 dni)83.30 zł
119.00 zł(-30%) -
To drugi tom klasycznego podręcznika wiedzy o sztucznej inteligencji. Podobnie jak w wypadku pierwszej części, lektura tej książki nie wymaga wybitnej znajomości tematu. Dzięki przejrzystości tekstu i umiejętnemu unikaniu nadmiernego formalizmu można w dość łatwy sposób zrozumieć kluczowe idee i ...
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2
(0,00 zł najniższa cena z 30 dni)90.30 zł
129.00 zł(-30%) -
Ta książka powinna zostać przestudiowana przez każdego architekta nowoczesnych systemów rozproszonych. Jej celem jest pokazanie sposobów rozwiązywania trudnych problemów związanych z projektowaniem takiego oprogramowania. W krytyczny i wszechstronny sposób omówiono w niej najważniejsze problemy u...
Złożone zagadnienia architektury oprogramowania. Jak analizować kompromisy i podejmować trudne decyzje Złożone zagadnienia architektury oprogramowania. Jak analizować kompromisy i podejmować trudne decyzje
(0,00 zł najniższa cena z 30 dni)69.30 zł
99.00 zł(-30%) -
Autor tego zbioru zadań jest programistą i nauczycielem. To prawdziwy pasjonat programowania ― w tym w języku C++ ― które traktuje jak przedłużenie ludzkiej mowy. Uważa, że praktycznie na wszystko, co robimy w życiu, można spojrzeć jak na wykonywanie funkcji i algorytmów, które opisuj...(0,00 zł najniższa cena z 30 dni)
25.90 zł
37.00 zł(-30%) -
Znalezienie odpowiedzi na zaprzątające umysł pytania z zakresu automatyzacji zwykle wiąże się ze spędzeniem długich godzin na wertowaniu niespójnej dokumentacji lub przeszukiwaniu forum Atlassian Community, gdzie swoimi problemami (a także autorskimi pomysłami na ich rozwiązanie) dzielą się inni ...
Atlassian Jira Server & Data Center. Programowanie rozwiązań w projektach biznesowych Atlassian Jira Server & Data Center. Programowanie rozwiązań w projektach biznesowych
(0,00 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
W przypadku usługi "Druk na żądanie" termin dostarczenia przesyłki może obejmować także czas potrzebny na dodruk (do 10 dni roboczych)
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.


Oceny i opinie klientów: Deep Learning. Praca z językiem Python i biblioteką Keras Francois Chollet (7)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.
(2)
(2)
(0)
(1)
(2)
(0)
Data dodania: 2020-05-27 Ocena: 6 Opinia niepotwierdzona zakupem
Data dodania: 2019-06-19 Ocena: 6 Opinia potwierdzona zakupem
Data dodania: 2021-11-04 Ocena: 5 Opinia potwierdzona zakupem
Data dodania: 2020-07-15 Ocena: 5 Opinia niepotwierdzona zakupem
Data dodania: 2020-10-26 Ocena: 3 Opinia niepotwierdzona zakupem
Data dodania: 2020-11-28 Ocena: 2 Opinia niepotwierdzona zakupem
Data dodania: 2020-05-31 Ocena: 2 Opinia niepotwierdzona zakupem
więcej opinii