Deep Learning in Depth Bundle


Информация о пакете


Deep Learning Quick Reference
Погрузитесь глубже в нейронные сети и обучите свои модели и оптимизируйте их с помощью этого краткого справочного руководства.
Об этой книге
- Краткий справочник по всем важным концепциям глубокого обучения и их реализации
- Основные советы, приемы и приемы для обучения различных моделей глубокого обучения, таких как CNN, RNN, LSTM и т. Д.
- В каждой главе, дополненной основами математики и теории, представлены передовые практики и безопасные варианты обучения и точной настройки ваших моделей в Keras и Tensorflow.
Для кого эта книга
Если вы специалист по обработке данных или специалист по машинному обучению, эта книга будет очень полезна при обучении вашим продвинутым моделям машинного обучения и глубокого обучения. Вы также можете обратиться к этой книге, если вы застряли в промежутке между моделированием нейронной сети и нуждаетесь в немедленной помощи для беспрепятственного выполнения задачи. Требуются некоторые предварительные знания Python и крепкие знания основ машинного обучения.
Что вы узнаете
- Решайте проблемы регрессии и классификации с помощью TensorFlow и Keras
- Научитесь использовать Tensor Board для мониторинга нейронных сетей и их обучения
- Оптимизируйте гиперпараметры и безопасный выбор / лучшие практики
- Создавайте CNN, RNN и LSTM и используйте встраивание слов с нуля
- Создавайте и обучайте модели seq2seq для приложений машинного перевода и чата.
- Понимание сетей Deep Q и способов их использования для решения проблемы с автономным агентом.
- Изучите Deep Q Network и решите проблемы автономных агентов.
В деталях
Глубокое обучение стало необходимой необходимостью для входа в мир искусственного интеллекта. С этой книгой методы глубокого обучения станут более доступными, практичными и актуальными для практикующих специалистов по данным. Он переносит глубокое обучение из академических кругов в реальный мир с помощью практических примеров.
Вы узнаете, как Tensor Board используется для мониторинга обучения глубоких нейронных сетей и решения задач двоичной классификации с использованием глубокого обучения. Затем читатели научатся оптимизировать гиперпараметры в своих моделях глубокого обучения. Затем книга знакомит читателей с практической реализацией обучения CNN, RNN и LSTM с помощью встраивания слов и моделей seq2seq с нуля. Позже книга исследует сложные темы, такие как Deep Q Network для решения проблемы автономного агента и как использовать две враждебные сети для создания искусственных изображений, которые кажутся реальными. В целях реализации мы рассмотрим популярные платформы глубокого обучения на основе Python, такие как Keras и Tensorflow. В каждой главе представлены передовые практики и безопасные варианты, которые помогут читателям принять правильное решение при обучении глубоких нейронных сетей.
К концу книги вы сможете быстро решать реальные проблемы с помощью глубоких нейронных сетей.
Стиль и подход
Простое пошаговое руководство, которое поможет вам разобраться в реальных приложениях обучения глубоких нейронных сетей.
Детали электронной книги
Об этом комплекте
Погрузитесь в нейронные сети и поймите, как применить полученные знания в приложениях, играх и многом другом с помощью пакета Deep Learning in Depth Bundle.
Имея на выбор до 20 электронных книг на трех уровнях, в том числе 17 книг, от новичков до фанатиков, вы сможете освоить применение современных методов глубокого обучения для создания и обучения глубоких нейронных сетей с помощью различных ресурсов, включая Python, Tensorflow и PyTorch.
На первом уровне вы получите пять электронных книг, которые расскажут вам об основных методах глубокого обучения и о том, как лучше всего применить их на практике. Этот уровень включает в себя практические нейронные сети, в которых вы изучите алгоритмы для решения общих проблем с использованием обратного распространения и перцептронов, а также поймете, как применять нейронные сети к приложениям с помощью полезных иллюстраций.
Выберите второй уровень пакета, и у вас будет еще пять электронных книг, на которых можно будет учиться, с пошаговыми руководствами по принципам разработки моделей обучения с подкреплением и глубоким обучением с подкреплением и многому другому. С помощью алгоритмов обучения с подкреплением на Python вы будете изучать, разрабатывать и развертывать расширенные алгоритмы обучения с подкреплением для решения различных задач, а также разбираться в стратегиях эволюции для решения проблемы лунного посадочного модуля.
Выберите третий уровень, и вы получите все 20 электронных книг, которые помогут вам расширить свои знания о глубоком обучении и о том, как оно может сыграть огромную роль в вашей повседневной работе, будь то исследователь / разработчик ИИ, специалист по данным или разработчик игр. ,
С помощью проектов обучения с подкреплением на Python вы исследуете возможности TensorFlow для создания самообучающихся моделей и применения передовых алгоритмов глубокого RL в таких играх, как Minecraft. Также есть практическое обучение с глубоким подкреплением, в котором вы освоите глубокое обучение с подкреплением (RL), от первых принципов до новейших алгоритмов, а также создадите собственную среду OpenAI Gym для обучения агента по торговле акциями.
Электронные книги, входящие в этот комплект, доступны в форматах EPUB, MOBI и PDF.