The TensorFlow Workshop

- Autorzy:
- Matthew Moocarme, Anthony So, Anthony Maddalone


- Ocena:
- Bądź pierwszym, który oceni tę książkę
- Stron:
- 600
- Dostępne formaty:
-
PDFePub
Opis książki: The TensorFlow Workshop
Getting to grips with tensors, deep learning, and neural networks can be intimidating and confusing for anyone, no matter their experience level. The breadth of information out there, often written at a very high level and aimed at advanced practitioners, can make getting started even more challenging.
If this sounds familiar to you, The TensorFlow Workshop is here to help. Combining clear explanations, realistic examples, and plenty of hands-on practice, it'll quickly get you up and running.
You'll start off with the basics - learning how to load data into TensorFlow, perform tensor operations, and utilize common optimizers and activation functions. As you progress, you'll experiment with different TensorFlow development tools, including TensorBoard, TensorFlow Hub, and Google Colab, before moving on to solve regression and classification problems with sequential models.
Building on this solid foundation, you'll learn how to tune models and work with different types of neural network, getting hands-on with real-world deep learning applications such as text encoding, temperature forecasting, image augmentation, and audio processing.
By the end of this deep learning book, you'll have the skills, knowledge, and confidence to tackle your own ambitious deep learning projects with TensorFlow.
Wybrane bestsellery
-
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)57.85 zł
89.00 zł(-35%) -
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)
64.35 zł
99.00 zł(-35%) -
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)
129.35 zł
199.00 zł(-35%) -
Dzięki tej książce nauczysz się przekształcać suche dane liczbowe w pełną empatii narrację! Aby spełniły one swoje zadanie, ktoś musi przedstawić zawarte w nich informacje w postaci opowieści. W tej publikacji wyczerpująco i praktycznie opisano przebieg tego procesu. Jej lektura sprawi, że rozwin...
Opowieści ukryte w danych. Wyjaśnij dane i wywołaj działania za pomocą narracji Opowieści ukryte w danych. Wyjaśnij dane i wywołaj działania za pomocą narracji
(0,00 zł najniższa cena z 30 dni)20.90 zł
67.00 zł(-69%) -
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)38.94 zł
59.90 zł(-35%) -
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)44.85 zł
69.00 zł(-35%) -
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)44.85 zł
69.00 zł(-35%) -
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)109.85 zł
169.00 zł(-35%) -
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)
44.85 zł
69.00 zł(-35%)
Matthew Moocarme, Anthony So, Anthony Maddalone - pozostałe książki
-
Gain expert guidance on how to successfully develop machine learning models in Python and build your own unique data platforms
The Data Science Workshop - Second Edition The Data Science Workshop - Second Edition
Anthony So, Thomas V. Joseph, Robert Thas John, Andrew Worsley, Dr. Samuel Asare
-
Start with the basics of reinforcement learning and explore deep learning concepts such as deep Q-learning, deep recurrent Q-networks, and policy-based methods with this practical guide
The Reinforcement Learning Workshop The Reinforcement Learning Workshop
Alessandro Palmas, Emanuele Ghelfi, Dr. Alexandra Galina Petre, Mayur Kulkarni, Anand N.S.
-
Take a hands-on approach to understanding deep learning and build smart applications that can recognize images and interpret text
The Deep Learning Workshop The Deep Learning Workshop
Mirza Rahim Baig, Thomas V. Joseph, Nipun Sadvilkar, Mohan Kumar Silaparasetty, Anthony So
-
Discover how to leverage Keras, the powerful and easy-to-use open source Python library for developing and evaluating deep learning models
-
With knowledge and information shared by experts, take your first steps towards creating scalable AI algorithms and solutions in Python, through practical exercises and engaging activities
-
Cut through the noise and get real results with a step-by-step approach to data science
The Data Science Workshop The Data Science Workshop
Anthony So, Thomas V. Joseph, Robert Thas John, Andrew Worsley, Dr. Samuel Asare
-
Take your neural networks to a whole new level with the simplicity and modularity of Keras, the most commonly used high-level neural networks API.
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:
- The TensorFlow Workshop
- ISBN Ebooka:
- 978-18-002-0022-7, 9781800200227
- Data wydania ebooka:
-
2021-12-15
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.
- Język publikacji:
- angielski
- Rozmiar pliku Pdf:
- 27.4MB
- Rozmiar pliku ePub:
- 40.2MB
- Kategorie:
Programowanie » Python - Programowanie
Big Data » Analiza danych
Uczenie maszynowe
Spis treści książki
- The TensorFlow Workshop
- Preface
- About the Book
- About the Authors
- Who This Book Is For
- About the Chapters
- Conventions
- Code Presentation
- Minimum Hardware Requirements
- Downloading the Code Bundle
- Setting Up Your Environment
- Installing Anaconda on Your System
- Launching Jupyter Notebook
- Installing the tensorflow Virtual Environment
- Get in Touch
- Please Leave a Review
- About the Book
- 1. Introduction to Machine Learning with TensorFlow
- Introduction
- Implementing Artificial Neural Networks in TensorFlow
- Advantages of TensorFlow
- Disadvantages of TensorFlow
- The TensorFlow Library in Python
- Exercise 1.01: Verifying Your Version of TensorFlow
- Introduction to Tensors
- Scalars, Vectors, Matrices, and Tensors
- Exercise 1.02: Creating Scalars, Vectors, Matrices, and Tensors in TensorFlow
- Tensor Addition
- Exercise 1.03: Performing Tensor Addition in TensorFlow
- Activity 1.01: Performing Tensor Addition in TensorFlow
- Reshaping
- Tensor Transposition
- Exercise 1.04: Performing Tensor Reshaping and Transposition in TensorFlow
- Activity 1.02: Performing Tensor Reshaping and Transposition in TensorFlow
- Tensor Multiplication
- Exercise 1.05: Performing Tensor Multiplication in TensorFlow
- Optimization
- Forward Propagation
- Backpropagation
- Learning Optimal Parameters
- Optimizers in TensorFlow
- Activation functions
- Activity 1.03: Applying Activation Functions
- Summary
- 2. Loading and Processing Data
- Introduction
- Exploring Data Types
- Data Preprocessing
- Processing Tabular Data
- Exercise 2.01: Loading Tabular Data and Rescaling Numerical Fields
- Activity 2.01: Loading Tabular Data and Rescaling Numerical Fields with a MinMax Scaler
- Exercise 2.02: Preprocessing Non-Numerical Data
- Processing Image Data
- Exercise 2.03: Loading Image Data for Batch Processing
- Image Augmentation
- Activity 2.02: Loading Image Data for Batch Processing
- Text Processing
- Exercise 2.04: Loading Text Data for TensorFlow Models
- Audio Processing
- Exercise 2.05: Loading Audio Data for TensorFlow Models
- Activity 2.03: Loading Audio Data for Batch Processing
- Summary
- 3. TensorFlow Development
- Introduction
- TensorBoard
- Exercise 3.01: Using TensorBoard to Visualize Matrix Multiplication
- Activity 3.01: Using TensorBoard to Visualize Tensor Transformations
- Exercise 3.02: Using TensorBoard to Visualize Image Batches
- TensorFlow Hub
- Exercise 3.03: Downloading a Model from TensorFlow Hub
- Google Colab
- Advantages of Google Colab
- Disadvantages of Google Colab
- Development on Google Colab
- Exercise 3.04: Using Google Colab to Visualize Data
- Activity 3.02: Performing Word Embedding from a Pre-Trained Model from TensorFlow Hub
- Summary
- 4. Regression and Classification Models
- Introduction
- Sequential Models
- Keras Layers
- Exercise 4.01: Creating an ANN with TensorFlow
- Model Fitting
- The Loss Function
- Model Evaluation
- Exercise 4.02: Creating a Linear Regression Model as an ANN with TensorFlow
- Exercise 4.03: Creating a Multi-Layer ANN with TensorFlow
- Activity 4.01: Creating a Multi-Layer ANN with TensorFlow
- Classification Models
- Exercise 4.04: Creating a Logistic Regression Model as an ANN with TensorFlow
- Activity 4.02: Creating a Multi-Layer Classification ANN with TensorFlow
- Summary
- 5. Classification Models
- Introduction
- Binary Classification
- Logistic Regression
- Binary Cross-Entropy
- Binary Classification Architecture
- Exercise 5.01: Building a Logistic Regression Model
- Metrics for Classifiers
- Accuracy and Null Accuracy
- Precision, Recall, and the F1 Score
- Confusion Matrices
- Exercise 5.02: Classification Evaluation Metrics
- Multi-Class Classification
- The Softmax Function
- Categorical Cross-Entropy
- Multi-Class Classification Architecture
- Exercise 5.03: Building a Multi-Class Model
- Activity 5.01: Building a Character Recognition Model with TensorFlow
- Multi-Label Classification
- Activity 5.02: Building a Movie Genre Tagging a Model with TensorFlow
- Summary
- 6. Regularization and Hyperparameter Tuning
- Introduction
- Regularization Techniques
- L1 Regularization
- L2 Regularization
- Exercise 6.01: Predicting a Connect-4 Game Outcome Using the L2 Regularizer
- Dropout Regularization
- Exercise 6.02: Predicting a Connect-4 Game Outcome Using Dropout
- Early Stopping
- Activity 6.01: Predicting Income with L1 and L2 Regularizers
- Hyperparameter Tuning
- Keras Tuner
- Random Search
- Exercise 6.03: Predicting a Connect-4 Game Outcome Using Random Search from Keras Tuner
- Hyperband
- Exercise 6.04: Predicting a Connect-4 Game Outcome Using Hyperband from Keras Tuner
- Bayesian Optimization
- Activity 6.02: Predicting Income with Bayesian Optimization from Keras Tuner
- Summary
- 7. Convolutional Neural Networks
- Introduction
- CNNs
- Image Representation
- The Convolutional Layer
- Creating the Model
- Exercise 7.01: Creating the First Layer to Build a CNN
- Pooling Layer
- Max Pooling
- Average Pooling
- Exercise 7.02: Creating a Pooling Layer for a CNN
- Flattening Layer
- Exercise 7.03: Building a CNN
- Image Augmentation
- Batch Normalization
- Exercise 7.04: Building a CNN with Additional Convolutional Layers
- Binary Image Classification
- Object Classification
- Exercise 7.05: Building a CNN
- Activity 7.01: Building a CNN with More ANN Layers
- Summary
- 8. Pre-Trained Networks
- Introduction
- ImageNet
- Transfer Learning
- Exercise 8.01: Classifying Cats and Dogs with Transfer Learning
- Fine-Tuning
- Activity 8.01: Fruit Classification with Fine-Tuning
- TensorFlow Hub
- Feature Extraction
- Activity 8.02: Transfer Learning with TensorFlow Hub
- Summary
- 9. Recurrent Neural Networks
- Introduction
- Sequential Data
- Examples of Sequential Data
- Exercise 9.01: Training an ANN for Sequential Data Nvidia Stock Prediction
- Recurrent Neural Networks
- RNN Architecture
- Vanishing Gradient Problem
- Long Short-Term Memory Network
- Exercise 9.02: Building an RNN with an LSTM Layer Nvidia Stock Prediction
- Activity 9.01: Building an RNN with Multiple LSTM Layers to Predict Power Consumption
- Natural Language Processing
- Data Preprocessing
- Dataset Cleaning
- Generating a Sequence and Tokenization
- Padding Sequences
- Data Preprocessing
- Back Propagation Through Time (BPTT)
- Exercise 9.03: Building an RNN with an LSTM Layer for Natural Language Processing
- Activity 9.02: Building an RNN for Predicting Tweets Sentiment
- Summary
- 10. Custom TensorFlow Components
- Introduction
- TensorFlow APIs
- Implementing Custom Loss Functions
- Building a Custom Loss Function with the Functional API
- Building a Custom Loss Function with the Subclassing API
- Exercise 10.01: Building a Custom Loss Function
- Implementing Custom Layers
- Introduction to ResNet Blocks
- Building Custom Layers with the Functional API
- Building Custom Layers with Subclassing
- Exercise 10.02: Building a Custom Layer
- Activity 10.01: Building a Model with Custom Layers and a Custom Loss Function
- Summary
- 11. Generative Models
- Introduction
- Text Generation
- Extending NLP Sequence Models to Generate Text
- Dataset Cleaning
- Generating a Sequence and Tokenization
- Generating a Sequence of n-gram Tokens
- Padding Sequences
- Exercise 11.01: Generating Text
- Generative Adversarial Networks
- The Generator Network
- The Discriminator Network
- The Adversarial Network
- Combining the Generative and Discriminative Models
- Generating Real Samples with Class Labels
- Creating Latent Points for the Generator
- Using the Generator to Generate Fake Samples and Class Labels
- Evaluating the Discriminator Model
- Training the Generator and Discriminator
- Creating the Latent Space, Generator, Discriminator, GAN, and Training Data
- Exercise 11.02: Generating Sequences with GANs
- Deep Convolutional Generative Adversarial Networks (DCGANs)
- Training a DCGAN
- Exercise 11.03: Generating Images with DCGAN
- Activity 11.01: Generating Images Using GANs
- Summary
- Appendix
- 1. Introduction to Machine Learning with TensorFlow
- Activity 1.01: Performing Tensor Addition in TensorFlow
- Activity 1.02: Performing Tensor Reshaping and Transposition in TensorFlow
- Activity 1.03: Applying Activation Functions
- 1. Introduction to Machine Learning with TensorFlow
- 2. Loading and Processing Data
- Activity 2.01: Loading Tabular Data and Rescaling Numerical Fields with a MinMax Scaler
- Activity 2.02: Loading Image Data for Batch Processing
- Activity 2.03: Loading Audio Data for Batch Processing
- 3. TensorFlow Development
- Activity 3.01: Using TensorBoard to Visualize Tensor Transformations
- Activity 3.02: Performing Word Embedding from a Pre-Trained Model from TensorFlow Hub
- 4. Regression and Classification Models
- Activity 4.01: Creating a Multi-Layer ANN with TensorFlow
- Activity 4.02: Creating a Multi-Layer Classification ANN with TensorFlow
- 5. Classification Models
- Activity 5.01: Building a Character Recognition Model with TensorFlow
- Activity 5.02: Building a Movie Genre Tagging a Model with TensorFlow
- 6. Regularization and Hyperparameter Tuning
- Activity 6.01: Predicting Income with L1 and L2 Regularizers
- Activity 6.02: Predicting Income with Bayesian Optimization from Keras Tuner
- 7. Convolutional Neural Networks
- Activity 7.01: Building a CNN with More ANN Layers
- 8. Pre-Trained Networks
- Activity 8.01: Fruit Classification with Fine-Tuning
- Activity 8.02: Transfer Learning with TensorFlow Hub
- 9. Recurrent Neural Networks
- Activity 9.01: Building an RNN with Multiple LSTM Layers to Predict Power Consumption
- Activity 9.02: Building an RNN for Predicting Tweets' Sentiment
- 10. Custom TensorFlow Components
- Activity 10.01: Building a Model with Custom Layers and a Custom Loss Function
- 11. Generative Models
- Activity 11.01: Generating Images Using GANs
- Hey!
Packt Publishing - inne książki
-
Save time and effort when building 3D scenes with this essential guide to creating stunning photorealistic 3D environments in Blender
-
Solve classic computer science problems from fundamental algorithms, such as sorting and searching, to modern algorithms in machine learning and cryptography
40 Algorithms Every Programmer Should Know - Second Edition 40 Algorithms Every Programmer Should Know - Second Edition
-
Use modern Python libraries such as pandas, NumPy, and scikit-learn and popular machine learning and deep learning methods to solve financial modeling problems
-
Get up to speed with Oracle's Autonomous Databases and implementation strategies for any workload or use case, including transactional, data warehousing, and non-relational databases
Oracle Autonomous Database in Enterprise Architecture Oracle Autonomous Database in Enterprise Architecture
-
Design, build, and deploy performant and maintainable web applications using Spring, Spring Boot, and Angular
-
Build CD pipelines following GitOps principles like declarative and immutable changes stored in version control, all continuously reconciled by Argo CD, and minimize the failure of deployments.
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: The TensorFlow Workshop Matthew Moocarme, Anthony So, Anthony Maddalone (0)
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.