Глибоке навчання: готові рішення. Давид Осінга

Книга Глибоке навчання: готові рішення. Бетховен Осінга

Технологія глибокого навчання не така складна, як багато хто вважає. Донедавна на її вивчення вирушали роки, але з появою таких фреймів, як-от Keras и TensorFlow, інженери-програмісти, які не мають досвіду в цій галузі, можуть швидко почати створювати робочі програми. Завдяки готовим прикладам, наведених у книзі, ви навчитеся виконувати завдання, пов'язані з класифікацією та генеруванням тексту, зображень і музики. У кожному розділі описується кілька рішень, що об'єднуються в єдиний проєкт, наприклад, застосунок, що реалізує тренування музичної рекомендованої системи. Також є розділ з описом методик, які в разі потреби допоможуть виконатиладка нейронної мережі. Усі приклади написані мовою Python і доступні як набір блокнотів. Основні теми книги:

• Використання векторних уявлень слів для обчислення схожості текстів
• Побудова рекомендованої системи фільмів на основі посилання вундиці
• Візуалізація внутрішніх станів нейронної мережі
• Створення моделі, що рекомендує емодзі для фрагментів тексту
• Повторне використання попередньо навчених мереж для створення служби зворотного пошуку зображень
• Генерування піктограм за допомогою генеративно-стягувальних мереж (GAN), автокодувальників і рекуратних мереж (RNN)
• Розпізнавання музичних жанрів і індексування колекцій пісень

  Бетховен Осінга — досвідчений інженер-програміст, який раніше працював у Google, засновник трьох стартапів. Веде популярний сайт програмних проєктів, присвячений зокрема машинному навчання. Обсяг Книга Глибоке навчання: готові рішення:

• Глава 1. Інструменти та методи
• Глава 2. Шукаємо вихід із трудівних ситуацій
• Глава 3. Обчислення схожості текстів із використанням векторних уявлень слів
• Глава 4. Створення рекомендованої системи на основі вихідних посиланнях core
• Глава 5. Генерування тексту в стилі наданого прикладу
• Глава 6. Пошук вхідних питань
• Глава 7. Передречення емодзі
• Глава 8. Модели seq2seq
• Глава 9. Повторне використання попередньо навченої мережі розпізнавання зображень
• Глава 10. Створення служби зворотного пошуку зображень
• Глава 11. Виявлення декількох зображень
• Глава 12. Стиль зображення
• Глава 13. Генерування зображень за допомогою автокодувальників
• Глава 14. Генерування значків за допомогою глибоких мереж
• Глава 15. Музика та глибоке навчання
• Глава 16. Розгортання систем машинного навчання у виробничому середовищі