Deep Learning in Depth Bundle

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.