ODBIERZ TWÓJ BONUS :: »

Deep Learning. Praktyczne wprowadzenie z zastosowaniem środowiska Pythona Ron Kneusel

Autor:
Ron Kneusel
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
472
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
59,40 zł 99,00 zł (-40%)
59,40 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
49,50 zł 99,00 zł (-50%)
49,50 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Instalowania i konfigurowania środowiska Python, NumPy, scikit-learn, Keras i TensorFlow
  • Stosowania podstaw algebry liniowej, statystyki i prawdopodobieństwa w uczeniu maszynowym
  • Programowania w Pythonie z wykorzystaniem struktur danych, funkcji i modułów
  • Pracy z biblioteką NumPy do operacji na tablicach i przetwarzania danych
  • Przygotowywania i analizowania zbiorów danych, w tym cech, etykiet i podziału na zbiory uczące, walidacyjne i testowe
  • Rozszerzania zbiorów danych i stosowania technik augmentacji
  • Implementowania klasycznych modeli uczenia maszynowego, takich jak k-najbliższych sąsiadów, drzewa decyzyjne, lasy losowe i maszyny wektorów nośnych
  • Przeprowadzania eksperymentów z klasycznymi modelami i oceniania ich skuteczności
  • Budowania i trenowania prostych sieci neuronowych
  • Stosowania algorytmu propagacji wstecznej i technik optymalizacji w uczeniu sieci neuronowych
  • Wykorzystywania metod regularyzacji i zapobiegania przetrenowaniu modeli
  • Oceniania modeli za pomocą macierzy pomyłek, wskaźników F1, krzywych ROC i innych zaawansowanych metryk
  • Budowania i trenowania splotowych sieci neuronowych do przetwarzania obrazów
  • Pracy z biblioteką Keras na przykładzie zestawów danych MNIST i CIFAR-10
  • Stosowania uczenia transferowego i strojenia modeli głębokich
  • Rozwijania modeli do klasyfikacji danych dźwiękowych oraz eksplorowania dalszych kierunków rozwoju, takich jak sieci rekurencyjne i generatywne sieci przeciwstawne

Uczenie głębokie fascynuje wielu inżynierów i praktyków. Mimo że systemy oparte na uczeniu maszynowym stosuje się w rozlicznych branżach, wciąż są uważane za niepokojącą technologię. Istotnie, w wypadku na przykład sieci neuronowych nie wiemy, czego dokładnie uczy się model. Możemy tylko ocenić, czy dobrze realizuje swoje zadanie. Wydaje się, że w sposobie pracy algorytmów uczenia głębokiego tkwi magia. Właśnie dlatego dobrze jest zająć się faktami i dowiedzieć się, na czym w rzeczywistości polega uczenie maszynowe, a zwłaszcza uczenie głębokie.

Ta książka jest przystępnym przewodnikiem po uczeniu maszynowym. Aby zrozumieć zawartą w niej treść, wystarczy podstawowa umiejętność programowania i znajomość matematyki na poziomie szkoły średniej. Znalazło się tu omówienie podstawowych pojęć i wyjaśnienie mechanizmów rządzących uczeniem głębokim. Dzięki lekturze dowiesz się, czym się charakteryzuje dobry zbiór danych uczących, jak ocenić skuteczność modelu i jak korzystać z takich modeli jak k-najbliższych sąsiadów, lasy losowe czy maszyna wektorów nośnych. Sporo miejsca poświęcono również sieciom neuronowym, mechanizmom ich działania i technikom treningu. I chociaż nie znajdziesz tutaj gotowych receptur, to zdobędziesz wiedzę potrzebną, by od podstaw zaprojektować działający model uczenia głębokiego.

W książce między innymi:

  • budowanie dobrego zestawu danych uczących
  • praca z bibliotekami scikit-learn i Keras
  • klasyczne modele uczenia maszynowego
  • mechanizm działania i uczenia sieci neuronowych
  • modele wykorzystujące splotowe sieci neuronowe
  • przygotowanie od podstaw działającego modelu

Uczenie głębokie: przyszedł czas na Twój pierwszy model!

Wiosna w głowie, ebook w dłoni! / do -50% na tysiące tytułów

Wybrane bestsellery

O autorze książki

Dr Ron Kneusel uczeniem maszynowym zajmuje się zawodowo od 2003 roku, specjalizuje się w dziedzinie przetwarzania obrazów. Jego fascynacja komputerami jednak trwa znacznie dłużej, bo od 1981 roku. Obecnie pracuje w spółce L3Harris Technologies, gdzie buduje systemy uczenia głębokiego. Jest autorem popularnych książek na temat pisania kodu i uczenia głębokiego.

Zobacz pozostałe książki z serii

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy książka zawiera praktyczne przykłady kodu w Pythonie dotyczące deep learningu?
Tak, książka zawiera liczne przykłady i ćwiczenia z kodem w Pythonie, wykorzystując popularne biblioteki takie jak NumPy, scikit-learn, Keras i TensorFlow.
2. Jakie są wymagania wstępne, aby efektywnie korzystać z tej książki?
Wystarczy podstawowa znajomość programowania oraz matematyki na poziomie szkoły średniej - nie jest wymagane wcześniejsze doświadczenie z uczeniem maszynowym ani deep learningiem.
3. Czy książka omawia instalację i konfigurację środowiska do pracy z Pythonem i narzędziami do deep learningu?
Tak, w pierwszych rozdziałach znajdziesz szczegółowe instrukcje dotyczące instalacji Pythona oraz bibliotek takich jak NumPy, scikit-learn, Keras i TensorFlow.
4. Czy znajdę w książce informacje o pracy z rzeczywistymi zestawami danych?
Tak, książka szczegółowo opisuje przygotowanie, analizę i rozszerzanie rzeczywistych zestawów danych, takich jak Iris, Breast Cancer, MNIST czy CIFAR-10.
5. Czy publikacja wyjaśnia, jak oceniać skuteczność i jakość modeli deep learningowych?
Tak, jeden z rozdziałów jest poświęcony ocenie modeli, w tym wykorzystaniu macierzy pomyłek, wskaźników F1, analizy ROC oraz innych miar jakości.
6. Czy książka obejmuje tematykę zarówno klasycznych metod uczenia maszynowego, jak i nowoczesnych sieci neuronowych?
Tak, książka przedstawia zarówno klasyczne algorytmy uczenia maszynowego, jak i nowoczesne techniki deep learningu, ze szczególnym uwzględnieniem sieci neuronowych i splotowych.
7. Czy lektura tej książki pozwoli mi samodzielnie zbudować i trenować własny model deep learningowy?
Tak, po przeczytaniu książki zdobędziesz wiedzę i umiejętności niezbędne do samodzielnego przygotowania danych, budowy, trenowania i oceny modeli deep learningowych.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Książka
59,40 zł
Dodaj do koszyka
Ebook
49,50 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności dawny BNP Paribas Bank Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności Inteligo Ikona płatności iPKO Ikona płatności mBank Ikona płatności Millennium Ikona płatności Nest Bank Ikona płatności Paypal Ikona płatności PayPo | PayU Płacę później Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Citi Handlowy Ikona płatności Płacę z Getin Bank Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile