Opinie czytelników - Deep Learning. Praca z językiem Python i biblioteką Keras

Bardzo przystępnie i klarownie napisana. Najlepsza o Deep Learningu, którą do tej pory czytałam.

Jedna z najlepszych ksiazek o ml

Dobry wstęp do DL, dla najbardziej początkujących. Same konkretne przykłady, różnorodne problemy. W 2021 Python i biblioteki są już w innych wersjach, trochę kodu trzeba pozmieniać. Dzięki czemu lepiej się rozumie ten kod.

Książka nie idealna, ale dobra i konkretna. Wypada szczególnie pozytywnie porównując do masy słabych książek o ML/DL które zostały wydane przez ostatnie lata. Przed przeczytaniem trzeba mieć na uwadze połączenie bibliotek Keras oraz Tensorflow (od wersji 2.0) jakiś czas temu. Przez to część kodu jest nieaktualna (aktualne wersje są w dokumentacjach Keras i Tensorflow). Książka oprócz dobrego wprowadzenia w temat zawiera sporo użytecznych wiadomości dla bardziej zaawansowanych użytkowników Keras-a (jak wizualzacje convnet-ów czy generowanie danych przez DeepDream i GANy). Niestety kod z właśnie tych części (generacja danych) jest najczęściej nieaktualny dla TF 2.0 (ale tłumaczenie samego algorytmu jest na tyle dobre, że da się samemu zrozumieć nowe wersje z dokumentacji). Do tego dość mała liczba różnych wzorów i matematycznych notacji. Mając jakieś pojęcie o algebrze liniowej (wliczając szczególnie operacje na macierzach i rachunek różniczkowy) oraz znając podstawy Pythona wszystko powinno być dość przejrzyste. Podsumowując - dobry wybór dla wszystkich zainteresowanych tematem. Pomimo pewnych braków (czasem niezależnych od autora) nie znam lepszej na rynku pozycji ani po polsku ani po angielsku. Także z czystym sumieniem - polecam! 

Pierwszy rozdział jest interesujący o tyle o ile zawiera trochę historycznego opisu rozwoju sieci neuronowych. Natomiast przy niektórych opiniach autora, jak np. "Uczenie maszynowe to nie matematyka i fizyka. Tutaj do większości odkryć nie dochodzi się przy użyciu długopisu i papieru." krytycznemu czytelnikowi powinna się zapalić czerwona lampka. W rzeczywistości te zdania powinny brzmieć "Uczenie maszynowe to nie programowanie stron w Java Scripcie. Tutaj bez znajomości przynajmniej podstaw statystyki i algebry liniowej programista będzie błądził jak dziecko we mgle". Przykład takiego błądzenia mamy w rozdziale 2. Osoba dokonująca przekładu na język polski kompletnie nie rozumiała co tłumaczy i nie znała polskiej terminologii. Ranga tensora zamiast rzędu, współczynniki zamiast składowych tensora. Swoje dołożył też autor mieszając wymiar przestrzeni z rzędem tensora. Drugiego rozdziału lepiej nie czytać. W głowie początkującego zrobi więcej zamieszania niż pożytku. Od rozdziału trzeciego zaczyna się mniej więcej standardowy "tutorialowy" opis zastosowań sieci. Można czytać z pożytkiem ale nie ma tam nic odkrywczego. Większość to przykłady powielane w wielu innych źródłach. Znacznie lepszym źródłem jest książka Goodfellowa (dostępna za darmo w sieci po angielsku). Jeśli ktoś się nie boi matematyki a chce zrozumieć "dlaczego to działa" to polecam "Mathematics for Machine Learning" Deisenrotha et al. (również dostępna w internecie).

Tłumaczenie skopane i to bardzo, przebrnąłem przez 50 stron książki i rzuciłem ją w kąt. Tłumacz bardzo źle poradził sobie z tłumaczeniem pojęć na język polski, co gorsza - angielskie nazwy nie zostały zawarte.

Słaba książka. Pisana w stylu naukowym. Nie przyciąga uwagi. W przykładach z kodem brakuje konkretnych wyjaśnień.