Deep Learning with Python

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.