Глубокое обучение на Python

Глубокое обучение - Deep learning - это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras - самую мощную библиотеку для работы с нейронными сетями.

Жанры

Рейтинг LiveLib

4,4

17 оценок

5
53%
4
35%
3
12%
2
0%
1
0%

Ваша оценка

Прочитали 21Хотят прочитать 65

Рецензии

bru_sia
17 сентября 2024
Со стороны всё это может походить на волшебство, однако если разобрать процесс на мелкие шаги, он выглядит очень просто.
Написанная создателем Keras - одного из популярных фреймворков для машинного обучения, данная книга представляет собой базовое введение в основные архитектуры глубокого обучения, так или иначе используемые по настоящее время.
Сочетая в себе необходимую базовую теорию, и вместе с тем избегая сложных математических выкладок, которые нередко способны оттолкнуть даже хорошо мотивированного читателя, и ограничиваясь доходчивыми разъяснениями сути происходящих манипуляций, приёмов и применяемых методов, книга даёт пошаговое руководство для применения получаемых при чтении знаний на практике. Каждое действие сопровождается примером воспроизводимого кода, каждый участок которого, в свою очередь, содержит исчерпывающее описания происходящего.
Автор описывает все базовые архитектуры глубокого обучения, получившие широкое распространение на момент написания книги. К примеру, трансформеры и механизмы внимания, массово использующиеся в настоящее время, здесь уже не разбираются, зато даётся добротная основа для понимания как принципов проектирования нейронных сетей, так и основных этапов работы с моделями: подготовкой данных, обучением параметров, подбором функций активации и потерь - последнему, впрочем, за неимением достаточных математических обоснований, в тексте даётся исключительно ультимативные рекомендации из разряда "для этих задач лучше подходит это, а вот для тех - то". Что, однако, оставляет немало простора и свободы для вариативности в установленных рамках и книге идёт только на пользу.
Книга станет хорошим помощником для новичков, притом изложение материала здесь доступно как специалистам, имеющим профильное техническое образование, так и более отдалённым профессиям. Она также будет полезна тем, кто, желая освежить неиспользованные какое-то время знания, опасается погружаться в дебри математических выкладок, но кому в то же время не терпится применить изученное на практике.
Обучение - это пожизненное путешествие.
Читать далее
Содержит спойлеры
10 понравилось
0
196
Lukyanchikov
15 декабря 2020
Хороша для новичков
Эта книга подойдет в первую очередь тем, кто хочет начать изучать глубокое обучение. В книге используется фреймворк Keras, который был разработан автором данной книги (ну и сообществом, конечно). После прочтения вы не станете профессионалом в области нейронных сетей, однако, поймете базовые принципы на примере простеньких задач.
2 понравилось
0
535
ThinkDifferent
10 января 2019
Доступно о сложном
Книга оправдала возложенные на неё ожидания. Начало книги посвящено истории появления машинного обучения, нейронных сетей. Присутствует краткое описание математического аппарата данной темы. Рассмотрены и описаны основные виды нейронных сетей: начиная от простейших и заканчивая генеративно-состязательными сетями. Так как автор один из создателей Keras, то всё примеры кода приведены с использованием именно этой библиотеки на языке Python. Вникнуть в суть помогают блок-схемы и диаграммы. Достаточно внимания уделено вопросам настройки параметров и повышения точности предсказания моделей, что очень важно для будущих data-scientist-ов. Местами перевод не блещет, но тема достаточно специфическая и присутствует много узкоспециализированных терминов. В конце книги можно подчерпуть основные тренды развития глубокого обучения. Есть приложение по настройке с нуля окружения и программ для начала работы с Keras. Думаю после прочтения данной книги многие вопросы по работе с нейронными сетями станут вам более понятными.
Читать далее
1 понравилось
0
814