Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie
- Autorzy:
- Bharath Ramsundar, Reza Bosagh Zadeh
- Promocja Przejdź
- Wydawnictwo:
- Helion
- Ocena:
- 2.0/6 Opinie: 2
- Stron:
- 224
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Opis książki: Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie
Uczenie maszynowe jest coraz powszechniejsze. Niemal każdego dnia stykamy się z tego rodzaju oprogramowaniem, a możliwości tworzonych systemów stale rosną. Zdobycie praktycznych umiejętności w zakresie budowy i treningu sieci neuronowych staje się dla profesjonalnych programistów koniecznością. Spośród wielu narzędzi służących do tworzenia systemów uczenia maszynowego warto zwrócić uwagę na TensorFlow - nową biblioteką udostępnioną przez Google, przeznaczoną do projektowania i wdrażania zaawansowanych architektur uczenia głębokiego. Bez wątpienia jest to narzędzie, które pozwala na wykonywanie zadań znacznie wykraczających poza standardowy zakres uczenia maszynowego.
Ta książka jest przeznaczona dla praktyków, przede wszystkim programistów, architektów i naukowców, którzy chcą się nauczyć projektowania systemów uczących. Podstawowe pojęcia dotyczące uczenia maszynowego wyjaśniono tu poprzez praktyczne przykłady. Przedstawiono możliwości TensorFlow jako systemu do przeprowadzania obliczeń na tensorach. Omówiono zastosowania tej biblioteki w wielu bardzo różnych dziedzinach: do budowy systemów służących do rozpoznawania obrazów, rozumienia tekstu napisanego ręcznie przez człowieka czy przewidywania właściwości potencjalnych leków. Dzięki tej książce można bez trudu zrozumieć matematyczne podstawy systemów uczenia maszynowego, a następnie wykorzystać je podczas tworzenia profesjonalnych sieci neuronowych.
W tej książce między innymi:
- podstawy uczenia maszynowego i rozpoczęcie pracy z TensorFlow
- budowa prototypów i modeli z optymalizacją hiperparametrów
- przetwarzanie obrazów w splotowych sieciach neuronowych
- obsługa zbiorów danych języka naturalnego
- trenowanie sieci za pomocą procesorów graficznych i procesorów tensorowych
TensorFlow: trenuj sieć profesjonalnie!
Wybrane bestsellery
-
Deep learning has already achieved remarkable results in many fields. Now it’s making waves throughout the sciences broadly and the life sciences in particular. This practical book teaches developers and scientists how to use deep learning for genomics, chemistry, biophysics, microscopy, me...
Deep Learning for the Life Sciences. Applying Deep Learning to Genomics, Microscopy, Drug Discovery, and More Deep Learning for the Life Sciences. Applying Deep Learning to Genomics, Microscopy, Drug Discovery, and More
(0,00 zł najniższa cena z 30 dni)262.65 zł
309.00 zł(-15%) -
Learn how to solve challenging machine learning problems with TensorFlow, Google’s revolutionary new software library for deep learning. If you have some background in basic linear algebra and calculus, this practical book introduces machine-learning fundamentals by showing you how to desig...
TensorFlow for Deep Learning. From Linear Regression to Reinforcement Learning TensorFlow for Deep Learning. From Linear Regression to Reinforcement Learning
(0,00 zł najniższa cena z 30 dni)237.15 zł
279.00 zł(-15%) -
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%) -
Ten podręcznik jest przeznaczony dla osób, które chcą dobrze zrozumieć matematyczne podstawy uczenia maszynowego i nabrać praktycznego doświadczenia w używaniu pojęć matematycznych. Wyjaśniono tutaj stosowanie szeregu technik matematycznych, takich jak algebra liniowa, geometria analityczna, rozk...(0,00 zł najniższa cena z 30 dni)
90.30 zł
129.00 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%) -
To drugie wydanie bestsellerowego przewodnika po technikach uczenia maszynowego. Wystarczą minimalne umiejętności programistyczne, aby dzięki tej książce nauczyć się budowania i trenowania głębokiej sieci neuronowej. Zawarto tu minimum teorii, a proces nauki jest ułatwiony przez liczne przykłady ...
Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Wydanie II
(0,00 zł najniższa cena z 30 dni)90.30 zł
129.00 zł(-30%) -
Ta praktyczna książka ułatwi Ci rozpoczęcie wdrażania rozwiązań rzeczywistych problemów związanych z uczeniem maszynowym. Zawiera przystępne wprowadzenie do uczenia maszynowego i sztucznej inteligencji, a także sposoby wykorzystania Pythona i biblioteki scikit-learn, uwzględniające potrzeby badac...
Machine learning, Python i data science. Wprowadzenie Machine learning, Python i data science. Wprowadzenie
(0,00 zł najniższa cena z 30 dni)48.30 zł
69.00 zł(-30%) -
Ta książka jest nowatorskim podręcznikiem, w którym w zrozumiały, intuicyjny sposób opisano techniki sztucznej inteligencji. Została wzbogacona kolorowymi ilustracjami i zrozumiałym kodem, dzięki czemu pozwala o wiele łatwiej zagłębić się w złożoność modeli głębokiego uczenia. Trudniejsze zagadni...
Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany Uczenie głębokie i sztuczna inteligencja. Interaktywny przewodnik ilustrowany
(0,00 zł najniższa cena z 30 dni)69.30 zł
99.00 zł(-30%) -
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 impl...
Deep Learning. Praca z językiem Python i biblioteką Keras Deep Learning. Praca z językiem Python i biblioteką Keras
(0,00 zł najniższa cena z 30 dni)41.30 zł
59.00 zł(-30%) -
Uczenie maszynowe obejmuje techniki wykorzystywane najczęściej w obszarze określanym mianem sztucznej inteligencji — a właśnie ona jest w tej chwili jednym z głównych kierunków rozwoju technologicznego branży IT. Niesamowite jest to, że po odpowiednim przekształceniu wiele problemów praktyc...
Machine Learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek Machine Learning i język Python. Kurs video. Praktyczne wykorzystanie popularnych bibliotek
(0,00 zł najniższa cena z 30 dni)89.55 zł
199.00 zł(-55%)
O autorach książki
2 Bharath Ramsundar, Reza Bosagh ZadehBharath Ramsundar jest twórcą DeepChem, pakietu open source opartego na TensorFlow, służącego do opracowywania leków. Przygotowuje doktorat z informatyki na Uniwersytecie Stanforda.
Reza Bosagh Zadeh jest wykładowcą na Uniwersytecie Stanforda. Zawodowo zajmuje się uczeniem maszynowym, obliczeniami rozproszonymi i dyskretną matematyką stosowaną. Opracował algorytmy uczenia maszynowego stojące za systemem proponowania kont do śledzenia na Twitterze.
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:
- TensorFlow for Deep Learning: From Linear Regression to Reinforcement Learning
- Tłumaczenie:
- Leszek Sagalara
- ISBN Książki drukowanej:
- 978-83-283-5705-1, 9788328357051
- Data wydania książki drukowanej:
- 2019-11-13
- ISBN Ebooka:
- 978-83-283-5706-8, 9788328357068
- Data wydania ebooka:
-
2019-11-13
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:
- 91676
- Rozmiar pliku Pdf:
- 7.8MB
- Rozmiar pliku ePub:
- 8.5MB
- Rozmiar pliku Mobi:
- 16.9MB
- Pobierz przykładowy rozdział PDF
- Przykłady na ftp
Ebook zawiera materiały dodatkowe, które możesz pobrać z serwera FTP - link znajdziesz na stronie redakcyjnej.
- Zgłoś erratę
- Kategorie:
Uczenie maszynowe
- Serie wydawnicze: O'Reilly
Spis treści książki
- Uczenie maszynowe pożera informatykę 11
- Podstawowe elementy uczenia głębokiego 12
- W pełni połączona warstwa 13
- Warstwa splotowa 13
- Warstwy rekurencyjnej sieci neuronowej 14
- Komórki LSTM 15
- Architektury uczenia głębokiego 15
- LeNet 16
- AlexNet 16
- ResNet 17
- Automatyczne generowanie opisów 18
- Neuronowe tłumaczenie maszynowe firmy Google 18
- Modele jednorazowe 19
- AlfaGo 21
- Generatywne sieci kontradyktoryjne 22
- Neuronowe maszyny Turinga 23
- Środowiska uczenia głębokiego 23
- Ograniczenia TensorFlow 24
- Podsumowanie 25
- Poznajemy tensory 27
- Skalary, wektory i macierze 28
- Algebra macierzy 31
- Tensory 33
- Tensory w fizyce 34
- Dygresje matematyczne 35
- Proste obliczenia w TensorFlow 36
- Instalacja TensorFlow i rozpoczęcie pracy 36
- Inicjalizacja stałych tensorów 37
- Próbkowanie losowych tensorów 38
- Dodawanie i skalowanie tensorów 39
- Operacje na macierzach 39
- Typy tensorów 41
- Manipulacje kształtem tensora 41
- Wprowadzenie do rozgłaszania 42
- Programowanie imperatywne i deklaratywne 43
- Grafy TensorFlow 44
- Sesje TensorFlow 45
- Zmienne TensorFlow 45
- Podsumowanie 47
- Przegląd matematyczny 49
- Funkcje i różniczkowalność 49
- Funkcje straty 51
- Metoda gradientu prostego 55
- Systemy automatycznego różniczkowania 57
- Uczenie z TensorFlow 59
- Tworzenie ćwiczebnych zbiorów danych 59
- Nowe koncepcje TensorFlow 64
- Uczenie modeli liniowych i logistycznych w TensorFlow 68
- Regresja liniowa w TensorFlow 68
- Regresja logistyczna w TensorFlow 75
- Podsumowanie 80
- Czym jest w pełni połączona sieć głęboka? 81
- "Neurony" w sieciach w pełni połączonych 83
- Uczenie w pełni połączonych sieci z propagacją wsteczną 85
- Twierdzenie o uniwersalnej zbieżności 86
- Dlaczego głębokie sieci? 87
- Szkolenie w pełni połączonych sieci neuronowych 88
- Reprezentacje możliwe do uczenia 88
- Aktywacje 89
- Zapamiętywanie w sieciach w pełni połączonych 89
- Regularyzacja 90
- Szkolenie sieci w pełni połączonych 93
- Implementacja w TensorFlow 93
- Instalacja DeepChem 93
- Zbiór danych Tox21 94
- Przyjmowanie minigrup węzłów zastępczych 95
- Implementacja warstwy ukrytej 95
- Dodawanie porzucania do warstwy ukrytej 96
- Implementacja minigrup 97
- Ocena dokładności modelu 97
- Korzystanie z TensorBoard do śledzenia zbieżności modeli 98
- Podsumowanie 99
- Ewaluacja modelu i optymalizacja hiperparametrów 102
- Wskaźniki, wskaźniki, wskaźniki 103
- Wskaźniki klasyfikacji binarnej 103
- Wskaźniki klasyfikacji wieloklasowej 106
- Wskaźniki regresji 107
- Algorytmy optymalizacji hiperparametrów 108
- Ustalenie linii bazowej 108
- Metoda spadku studenta 110
- Metoda przeszukiwania siatki 111
- Losowe wyszukiwanie hiperparametrów 112
- Zadanie dla czytelnika 113
- Podsumowanie 113
- Wprowadzenie do architektur splotowych 116
- Lokalne pola recepcyjne 116
- Jądra splotowe 118
- Warstwy łączące 120
- Tworzenie sieci splotowych 120
- Rozszerzone warstwy splotowe 121
- Zastosowania sieci splotowych 122
- Wykrywanie i lokalizacja obiektów 122
- Segmentacja obrazu 123
- Sploty grafowe 123
- Generowanie obrazów przy użyciu autokoderów wariacyjnych 124
- Trenowanie sieci splotowej w TensorFlow 129
- Zbiór danych MNIST 129
- Wczytywanie zbioru MNIST 130
- Podstawowe elementy sieci splotowych w TensorFlow 132
- Architektura splotowa 134
- Ewaluacja trenowanych modeli 137
- Zadanie dla czytelnika 139
- Podsumowanie 139
- Przegląd architektur rekurencyjnych 142
- Komórki rekurencyjne 144
- Długa pamięć krótkoterminowa (LSTM) 144
- Bramkowane jednostki rekurencyjne (GRU) 146
- Zastosowania modeli rekurencyjnych 146
- Generowanie danych przez sieci rekurencyjne 146
- Modele seq2seq 147
- Neuronowe maszyny Turinga 149
- Praca z rekurencyjnymi sieciami neuronowymi w praktyce 150
- Przetwarzanie korpusu językowego Penn Treebank 151
- Kod przetwarzania wstępnego 152
- Wczytywanie danych do TensorFlow 154
- Podstawowa architektura rekurencyjna 155
- Zadanie dla czytelnika 157
- Podsumowanie 157
- Procesy decyzyjne Markowa 163
- Algorytmy uczenia przez wzmacnianie 164
- Q-uczenie 165
- Uczenie się polityki 166
- Szkolenie asynchroniczne 168
- Ograniczenia uczenia przez wzmacnianie 168
- Gra w kółko i krzyżyk 170
- Obiektowość 170
- Abstrakcyjne środowisko 171
- Środowisko gry w kółko i krzyżyk 171
- Abstrakcja warstwowa 174
- Definiowanie grafu warstw 176
- Algorytm A3C 180
- Funkcja straty A3C 183
- Definiowanie wątków roboczych 185
- Trenowanie polityki 187
- Zadanie dla czytelnika 188
- Podsumowanie 189
- Specjalistyczny sprzęt dla głębokich sieci 191
- Szkolenie z użyciem CPU 192
- Szkolenie z użyciem GPU 193
- Procesory tensorowe 194
- Bezpośrednio programowalne macierze bramek 195
- Układy neuromorficzne 196
- Rozproszone szkolenie głębokich sieci 197
- Równoległość danych 197
- Równoległość modeli 198
- Szkolenie na równoległych danych z użyciem wielu układów GPU na zbiorze CIFAR10 199
- Pobieranie i wczytywanie danych 201
- Głębokie zanurzenie w architekturę 202
- Szkolenie na wielu układach GPU 204
- Zadanie dla czytelnika 206
- Podsumowanie 207
- Głębokie uczenie poza branżą techniczną 209
- Głębokie uczenie w przemyśle farmaceutycznym 210
- Głębokie uczenie w prawie 211
- Głębokie uczenie w robotyce 211
- Głębokie uczenie w rolnictwie 212
- Etyczne wykorzystanie głębokiego uczenia 212
- Czy uniwersalna sztuczna inteligencja jest nieuchronna? 214
- Co dalej? 214
Wstęp 9
1. Wprowadzenie do uczenia głębokiego 11
2. Wprowadzenie do podstawowych elementów TensorFlow 27
3. Regresja liniowa i logistyczna z TensorFlow 49
4. W pełni połączone sieci głębokie 81
5. Optymalizacja hiperparametrów 101
6. Splotowe sieci neuronowe 115
7. Rekurencyjne sieci neuronowe 141
8. Uczenie przez wzmacnianie 159
9. Szkolenie dużych głębokich sieci 191
10. Przyszłość głębokiego uczenia 209
Skorowidz 216
Oceny i opinie klientów: Głębokie uczenie z TensorFlow. Od regresji liniowej po uczenie przez wzmacnianie Bharath Ramsundar, Reza Bosagh Zadeh (2)
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.
(0)
(0)
(0)
(1)
(0)
(1)
Data dodania: 2020-01-13 Ocena: 3 Opinia niepotwierdzona zakupem
Data dodania: 2020-01-08 Ocena: 1 Opinia niepotwierdzona zakupem
więcej opinii