Arvustused raamatule «Глубокое обучение на Python (pdf+epub)», 7 ülevaadet

Отличная книга для первого знакомства. Автор в начале книги обещает не приводить ни единой математической формулы – вместо них используется код на python, что облегчает восприятие рядовому программисту.


Хорошо «разжёваны» базовые задачи – классификация и регрессия.

Много внимания уделено свёрточным и рекуррентным слоям, а также методам преобразования текста в вид, с которым способны работать модели.


По ходу дела дано множество практических советов, а в отдельном разделе по шагам расписано, как надо обучать модель «правильно».


Но что касается более продвинутых вещей – генерация текста и изображений – сложилось впечатление, что достаточно быстро изложение с «всё разжёвано» превращается в «по вершкам».


По генерации текста пример игрушечный, из которого непонятно, как делать практически полезные модели. По генерации изображений приведены достаточно интересные примеры, но всё очень коротко, а потому далеко не так легко для восприятия, как начало книги.

Думаю, что в этом нет вины автора – видимо задачи посложнее регрессии и классификации требуют более солидной подготовки, иначе объём книги разрастётся в разы (но конечно хотелось бы иметь и такую книгу).


В заключении автор честно рассказывает об ограничениях глубоких сетей – а они существенные, так что рано отправлять на свалку подходы, не связанные с градиентным спуском и непрерывными функциями. В целом автор сбивает спесь, навеянную популярными статьями. Глубокие сети – это мощный инструмент, возможности которого ещё до конца не исследованы. Но известные ограничения не оставляют сомнений в том, что их одних недостаточно для решения всех стоящих проблем.

Книга написана разработчиком Keras – библиотеки для создания сетей глубокого обучения на языке Python, поэтому автор без сомнения отлично разбирается в теме. Много практических примеров решения как базовых задач классификации и регрессии, так и более сложных примеров на базе свёрточных и рекуррентных сетей: генерация текстов, Deep Dream, neural style transfer. Рекомендую!

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.

Arvustus Livelibist.

Замечательная книга!

Она позволила мне понять, что же обычно понимают под искусственным интеллектом и с чем его "едят". А также, как устроены нейронные сети.

В последнее время я прочитал несколько книг по ИИ, - эта лучшая.

Только эта книга помогла мне ясно понять и прочувствовать, что это за зверь такой - ИИ.

И как с его помощью можно решать многочисленные задачи.

За такую книгу не жалко никаких денег.

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.

Arvustus Livelibist.

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.

Arvustus Livelibist.
Logi sisse, et hinnata raamatut ja jätta arvustus
€7,57
Vanusepiirang:
16+
Ilmumiskuupäev Litres'is:
01 november 2018
Tõlkimise kuupäev:
2023
Objętość:
576 lk
ISBN:
978-5-4461-1909-7
Üldsuurus:
11 МБ
Lehekülgede koguarv:
576
Õiguste omanik:
Питер (Айлиб)
Allalaadimise formaat:
Tekst PDF
Средний рейтинг 4,5 на основе 2 оценок
Tekst PDF
Средний рейтинг 0 на основе 0 оценок
Tekst PDF
Средний рейтинг 3,4 на основе 8 оценок
Tekst PDF
Средний рейтинг 5 на основе 2 оценок
Tekst PDF
Средний рейтинг 4,1 на основе 36 оценок
Tekst PDF
Средний рейтинг 3,9 на основе 46 оценок
Tekst PDF
Средний рейтинг 3,9 на основе 15 оценок
Tekst PDF
Средний рейтинг 4 на основе 4 оценок
Tekst PDF
Средний рейтинг 3,1 на основе 9 оценок
Tekst PDF
Средний рейтинг 4,2 на основе 30 оценок