Deep Learning in Depth Bundle


Detalles del paquete


Deep Learning Quick Reference
Sumérjase más en las redes neuronales y entrene sus modelos, optimizados con esta guía de referencia rápida
Sobre este libro
- Una referencia rápida a todos los conceptos importantes de aprendizaje profundo y sus implementaciones
- Consejos, trucos y trucos esenciales para entrenar una variedad de modelos de aprendizaje profundo como CNN, RNN, LSTM y más
- Complementado con matemáticas y teoría esenciales, cada capítulo proporciona las mejores prácticas y opciones seguras para entrenar y ajustar sus modelos en Keras y Tensorflow.
Para quien es este libro
Si es un científico de datos o un experto en aprendizaje automático, este libro es una lectura muy útil para entrenar sus modelos avanzados de aprendizaje automático y aprendizaje profundo. También puede consultar este libro si está atrapado entre el modelado de redes neuronales y necesita ayuda inmediata para realizar la tarea sin problemas. Se requiere cierto conocimiento previo de Python y un estricto dominio de los conceptos básicos del aprendizaje automático.
Lo que vas a aprender
- Resuelva desafíos de regresión y clasificación con TensorFlow y Keras
- Aprenda a usar Tensor Board para monitorear redes neuronales y su entrenamiento
- Optimice los hiperparámetros y las elecciones / mejores prácticas seguras
- Cree CNN, RNN y LSTM y utilice la incrustación de palabras desde cero
- Cree y entrene modelos seq2seq para aplicaciones de chat y traducción automática.
- Comprender las redes Deep Q y cómo usarlas para resolver un problema de agente autónomo.
- Explore Deep Q Network y aborde los desafíos de los agentes autónomos.
En detalle
El aprendizaje profundo se ha convertido en una necesidad imprescindible para adentrarse en el mundo de la inteligencia artificial. Con este libro, las técnicas de aprendizaje profundo serán más accesibles, prácticas y relevantes para los científicos de datos en ejercicio. Mueve el aprendizaje profundo del mundo académico al mundo real a través de ejemplos prácticos.
Aprenderá cómo se usa Tensor Board para monitorear el entrenamiento de redes neuronales profundas y resolver problemas de clasificación binaria mediante el aprendizaje profundo. Luego, los lectores aprenderán a optimizar los hiperparámetros en sus modelos de aprendizaje profundo. Luego, el libro lleva a los lectores a través de la implementación práctica de la capacitación de CNN, RNN y LSTM con incrustaciones de palabras y modelos seq2seq desde cero. Posteriormente, el libro explora temas avanzados como Deep Q Network para resolver un problema de agente autónomo y cómo usar dos redes adversarias para generar imágenes artificiales que parecen reales. Para fines de implementación, analizamos los marcos de aprendizaje profundo populares basados en Python, como Keras y Tensorflow. Cada capítulo proporciona las mejores prácticas y opciones seguras para ayudar a los lectores a tomar la decisión correcta mientras entrenan redes neuronales profundas.
Al final de este libro, podrá resolver problemas del mundo real rápidamente con redes neuronales profundas.
Estilo y enfoque
Una guía paso a paso fácil de seguir que le ayudará a familiarizarse con las aplicaciones del mundo real del entrenamiento de redes neuronales profundas.
Detalles del eBook
Acerca de este paquete
Sumérjase en las redes neuronales y comprenda cómo aplicar sus nuevos conocimientos a aplicaciones, juegos y más con el paquete Deep Learning in Depth.
Con hasta 20 libros electrónicos para elegir en tres niveles, incluidos 17 títulos nuevos para fanáticos, aprenderá a aplicar técnicas modernas de aprendizaje profundo para construir y entrenar redes neuronales profundas a través de una variedad de recursos que incluyen Python, Tensorflow y PyTorch.
En el nivel uno, recibirá cinco libros electrónicos que lo guiarán a través de técnicas esenciales de aprendizaje profundo y la mejor manera de ponerlo en práctica. Este nivel incluye redes neuronales prácticas, en las que aprenderá algoritmos para resolver problemas comunes mediante la propagación hacia atrás y perceptrones, así como comprenderá cómo aplicar redes neuronales a aplicaciones con la ayuda de ilustraciones útiles.
Opte por el Nivel Dos del paquete y tendrá cinco libros electrónicos adicionales de los que aprender, con guías paso a paso sobre principios de diseño de aprendizaje por refuerzo y modelos de aprendizaje por refuerzo profundo y mucho más. Con los algoritmos de aprendizaje por refuerzo con Python, aprenderá, desarrollará e implementará algoritmos avanzados de aprendizaje por refuerzo para resolver una variedad de tareas, así como familiarizarse con las estrategias de evolución para resolver el problema del módulo de aterrizaje lunar.
Elija el Nivel Tres y recibirá los 20 libros electrónicos, lo que lo ayudará a expandir su conocimiento del aprendizaje profundo y cómo puede desempeñar un papel importante en su función diaria, ya sea como investigador / desarrollador de IA, científico de datos o desarrollador de juegos. .
Con Python Reinforcement Learning Projects, explorarás el poder de TensorFlow para crear modelos de autoaprendizaje y aplicar algoritmos avanzados de RL profundo a juegos como Minecraft. También está el aprendizaje práctico por refuerzo profundo, en el que dominará el aprendizaje por refuerzo profundo (RL), desde los primeros principios hasta los algoritmos más recientes, además de crear su propio entorno de OpenAI Gym para capacitar a un agente bursátil.
Los libros electrónicos incluidos en este paquete están disponibles en formatos EPUB, MOBI y PDF.