Deep Learning. Praca z językiem Python i biblioteką Keras. Wydanie IIIUczenie głębokie to jedna z najdynamiczniej rozwijających się dziedzin informatyki w ciągu ostatniej dekady zrewolucjonizowało branżę IT, medycynę, transport i kulturę. Dziś, w erze ChatGPT, Midjourney i autonomicznych pojazdów, znajomość sieci neuronowych i generatywnej sztucznej inteligencji stała się kluczową kompetencją, którą powinien posiadać każdy programista i data scientist. Deep Learning. Praca z językiem Python i biblioteką Keras. Wydanie III to kompleksowy, praktyczny przewodnik po uczeniu głębokim od podstaw matematycznych po najnowsze architektury transformerów i modele dyfuzyjne. Napisany przez twórcę biblioteki Keras, Francois Cholleta, jest uznawany za jedno z najlepszych wprowadzeń do tej dziedziny na rynku.Książka prowadzi czytelnika przez cały ekosystem uczenia głębokiego: od tensorów i propagacji wstecznej, przez sieci konwolucyjne do klasyfikacji obrazów i segmentacji, rekurencyjne sieci neuronowe do prognozowania szeregów czasowych, aż po zaawansowane modele językowe i generowanie obrazów. Trzecie wydanie zostało niemal całkowicie zmienione zawiera nowe rozdziały poświęcone architekturze transformera, budowie własnego miniaturowego modelu GPT, dostrajaniu dużych modeli językowych techniką LoRA, a także generowaniu obrazów z użyciem modeli dyfuzyjnych i Stable Diffusion. Każdy rozdział uzupełniają gotowe do uruchomienia przykłady kodu w Pythonie z użyciem bibliotek: Keras, PyTorch, TensorFlow i JAX.Matematyczne podstawy sieci neuronowych: tensory, gradienty, spadek gradientuSieci konwolucyjne (CNN) do klasyfikacji, segmentacji i wykrywania obiektówRekurencyjne sieci neuronowe (LSTM, GRU) do prognozowania szeregów czasowychArchitektura transformera i mechanizm uwagi od tłumaczenia maszynowego po ChatGPTTrenowanie miniaturowego modelu GPT i dostrajanie dużych modeli językowych (LoRA, RLHF)Generowanie obrazów: autoenkodery wariacyjne (VAE) i modele dyfuzyjne (Stable Diffusion)Najlepsze praktyki: dostrajanie hiperparametrów, trenowanie rozproszone, mieszana precyzjaFrancois Chollet twórca biblioteki Keras i współzałożyciel laboratorium badawczego Ndea. Od 2012 roku pracuje nad uczeniem głębokim, przez wiele lat jako badacz w Google. Autor wyzwania ARC-AGI do pomiaru inteligencji maszyn i założyciel ARC Prize Foundation.Matthew Watson inżynier w Google, pracuje nad modelem Gemini i ekosystemem uczenia głębokiego open source. Główny opiekun biblioteki Keras, specjalizuje się w narzędziach NLP. Absolwent Uniwersytetu Stanforda.Doskonała pozycja dla wszystkich, którzy lubią się uczyć przez praktykę i chcą się uczyć od najlepszych w branży.Anthony Goldbloom, założyciel KaggleInteligentny, praktyczny przewodnik, uczący, jak myśleć od pierwszej zasady do budowania modeli, które naprawdę działają.Santiago Valdarrama, założyciel ml schoolObecnie nie ma bardziej aktualnego i wyczerpującego przewodnika.Aran Komatsuzaki, EleutherAINaucz się uczenia głębokiego od twórcy Keras warstwa po warstwie
W ostatnich latach byliśmy świadkami ogromnego postępu technik sztucznej inteligencji, uczenia maszynowego oraz uczenia głębokiego. Konsekwencje tego błyskawicznego rozwoju są odczuwalne w niemal każdej dziedzinie. Wydaje się, że to jedna z tych technologii, które powinny być dostępne dla jak najszerszej grupy ludzi. Dopiero wtedy uczenie głębokie wykorzysta w pełni swój potencjał i stanie się prawdziwym impulsem rozwoju naszej cywilizacji. Co prawda na pierwszy rzut oka ta niesamowita technologia może wydawać się wyjątkowo skomplikowana i trudna do zrozumienia, warto jednak wykorzystać dostępne narzędzia, takie jak biblioteka Keras i język R, aby implementować mechanizmy uczenia głębokiego wszędzie tam, gdzie okażą się przydatne.
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 bardziej skomplikowane zagadnienia uczenia głębokiego. Poznasz koncepcje i dobre praktyki związane z tworzeniem mechanizmów analizy obrazu, przetwarzania języka naturalnego i modeli generatywnych. Przeanalizujesz ponad 30 przykładów kodu uzupełnionego dokładnymi komentarzami. W efekcie szybko przygotujesz się do korzystania z uczenia głębokiego w rozwiązywaniu konkretnych problemów.
W tej książce między innymi:
podstawowe koncepcje sztucznej inteligencji, uczenia maszynowego i uczenia głębokiego
wprowadzenie do budowy i trenowania sieci neuronowych
uczenie głębokie w przetwarzaniu obrazów
modele generatywne tworzące obrazy i tekst
perspektywy i ograniczenia uczenia głębokiego
Ten produkt jest zapowiedzią. Realizacja Twojego zamówienia ulegnie przez to wydłużeniu do czasu premiery tej pozycji. Czy chcesz dodać ten produkt do koszyka?
