📕 Глубокое обучение на Python. 2-е межд. изд. [2023] Шолле Франсуа
📕 Deep Learning with Python [2021] François Chollet
⚠️ Книги предоставляется вам для ознакомления и не для распространения
💵 Купить книги (EN-версия) или (RU-версия)
💾 Ознакомиться с книгами
👨🏻💻 Для тех, кто захочет пожертвовать на покупку новых книг и админу на кофе:
ЮMoney:
• Deep learning from first principles
• Image classification and image segmentation
• Time series forecasting
• Text classification and machine translation
• Text generation, neural style transfer, and image generation
#python #программирование #глубокое_обучение #deep_learning #искусственный_интеллект #AI
📕 Deep Learning with Python [2021] François Chollet
⚠️ Книги предоставляется вам для ознакомления и не для распространения
💵 Купить книги (EN-версия) или (RU-версия)
💾 Ознакомиться с книгами
👨🏻💻 Для тех, кто захочет пожертвовать на покупку новых книг и админу на кофе:
ЮMoney:
410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206
What's inside• Deep learning from first principles
• Image classification and image segmentation
• Time series forecasting
• Text classification and machine translation
• Text generation, neural style transfer, and image generation
#python #программирование #глубокое_обучение #deep_learning #искусственный_интеллект #AI
📙 Deep Learning Architectures. A Mathematical Approach [2020] Ovidiu Calin
В этой книге описывается, как нейронные сети работают с математической точки зрения. Нейросети можно интерпретировать как универсальные аппроксиматоры функций. Книга устраняет разрыв между идеями и концепциями, которые сегодня используются на интуитивном уровне, и точным современным математическим языком. Её можно использовать в аспирантуре по глубокому обучению, при этом первые несколько частей доступны для студентов старших курсов. Кроме того, она будет интересна исследователям машинного обучения, интересующимся теоретическим пониманием предмета.
💾 Скачать книгу
Достоинства:
▪️ Раскрыты даже довольно редкие теоретические темы;
▪️ Простым языком объяснены сложные математические абстракции.
Глубокое обучение — совокупность методов машинного обучения (с учителем, с частичным привлечением учителя, без учителя, с подкреплением), основанных на обучении представлениям, а не специализированных алгоритмах под конкретные задачи. #deep_learning #глубокое_обучение #ИИ #AI #искусственный_интеллект #машинное_обучение #математика #программирование
В этой книге описывается, как нейронные сети работают с математической точки зрения. Нейросети можно интерпретировать как универсальные аппроксиматоры функций. Книга устраняет разрыв между идеями и концепциями, которые сегодня используются на интуитивном уровне, и точным современным математическим языком. Её можно использовать в аспирантуре по глубокому обучению, при этом первые несколько частей доступны для студентов старших курсов. Кроме того, она будет интересна исследователям машинного обучения, интересующимся теоретическим пониманием предмета.
💾 Скачать книгу
Достоинства:
▪️ Раскрыты даже довольно редкие теоретические темы;
▪️ Простым языком объяснены сложные математические абстракции.
Глубокое обучение — совокупность методов машинного обучения (с учителем, с частичным привлечением учителя, без учителя, с подкреплением), основанных на обучении представлениям, а не специализированных алгоритмах под конкретные задачи. #deep_learning #глубокое_обучение #ИИ #AI #искусственный_интеллект #машинное_обучение #математика #программирование
📕 Эволюционный глубокой поиск в нейронной архитектуре: основы, методы и последние достижения [2023] Янан Сан , Гэри Г. Йен , Мэнцзе Чжан
💾 Скачать книгу
В этой книге систематически, глава за главой, излагаются основы, методы и последние достижения эволюционного поиска по глубокой нейронной архитектуре. Это предоставит целевым читателям достаточную информацию для изучения с нуля. В частности, части метода посвящены поиску архитектуры неконтролируемых и управляемых глубоких нейронных сетей. Основной аудиторией будут люди, которые хотели бы использовать глубокие нейронные сети, но не имеют / ограничивают опыт ручного проектирования оптимальных глубоких архитектур. Это могут быть исследователи, которые сосредоточены на разработке новых методов поиска эволюционной глубокой архитектуры для общих задач, студенты, которые хотели бы изучить знания, связанные с поиском эволюционной глубокой нейронной архитектуры, и провести соответствующие исследования в будущем, а также практики из областей компьютерного зрения, обработки естественного языка и других, где глубокие нейронные сети успешно и в значительной степени используются в соответствующих областях. #программирование #алгоритмы #квантовые_вычисления #глубокое_обучение #deep_learning #искусственный_интеллект #AI
💾 Скачать книгу
В этой книге систематически, глава за главой, излагаются основы, методы и последние достижения эволюционного поиска по глубокой нейронной архитектуре. Это предоставит целевым читателям достаточную информацию для изучения с нуля. В частности, части метода посвящены поиску архитектуры неконтролируемых и управляемых глубоких нейронных сетей. Основной аудиторией будут люди, которые хотели бы использовать глубокие нейронные сети, но не имеют / ограничивают опыт ручного проектирования оптимальных глубоких архитектур. Это могут быть исследователи, которые сосредоточены на разработке новых методов поиска эволюционной глубокой архитектуры для общих задач, студенты, которые хотели бы изучить знания, связанные с поиском эволюционной глубокой нейронной архитектуры, и провести соответствующие исследования в будущем, а также практики из областей компьютерного зрения, обработки естественного языка и других, где глубокие нейронные сети успешно и в значительной степени используются в соответствующих областях. #программирование #алгоритмы #квантовые_вычисления #глубокое_обучение #deep_learning #искусственный_интеллект #AI
📙 Automated Machine Learning with AutoKeras: Deep learning made accessible for everyone with just few lines of coding [2021] Luis Sobrecueva
Чему вы научитесь:
▪️ Настройте рабочую станцию глубокого обучения с помощью TensorFlow и AutoKeras
▪️ Автоматизируйте конвейер машинного обучения с помощью AutoKeras
▪️ Создавайте и внедряйте классификаторы изображений и текста и регрессоры с помощью AutoKeras
▪️ Используйте Auto Keras для выполнения анализа настроений текста, классифицируя его как негативный или положительный
▪️ Используйте возможности автопроизводителей для классификации документов по темам
▪️ Максимально используйте возможности автопроизводителей, используя его самые мощные расширения
💾 Скачать книгу
Эта книга предназначена для энтузиастов машинного обучения и глубокого обучения, которые хотят применить автоматизированные методы ML к своим проектам. Ожидается, что предварительные базовые знания в области программирования на Python и машинного обучения позволят извлечь максимальную пользу из этой книги.
#программирование #алгоритмы #квантовые_вычисления #глубокое_обучение #deep_learning #искусственный_интеллект #AI #python
Чему вы научитесь:
▪️ Настройте рабочую станцию глубокого обучения с помощью TensorFlow и AutoKeras
▪️ Автоматизируйте конвейер машинного обучения с помощью AutoKeras
▪️ Создавайте и внедряйте классификаторы изображений и текста и регрессоры с помощью AutoKeras
▪️ Используйте Auto Keras для выполнения анализа настроений текста, классифицируя его как негативный или положительный
▪️ Используйте возможности автопроизводителей для классификации документов по темам
▪️ Максимально используйте возможности автопроизводителей, используя его самые мощные расширения
💾 Скачать книгу
Эта книга предназначена для энтузиастов машинного обучения и глубокого обучения, которые хотят применить автоматизированные методы ML к своим проектам. Ожидается, что предварительные базовые знания в области программирования на Python и машинного обучения позволят извлечь максимальную пользу из этой книги.
#программирование #алгоритмы #квантовые_вычисления #глубокое_обучение #deep_learning #искусственный_интеллект #AI #python
Automated_Machine_Learning_with_AutoKeras2021_Luis_Sobrecueva.pdf
6.1 MB
📙 Automated Machine Learning with AutoKeras: Deep learning made accessible for everyone with just few lines of coding [2021] Luis Sobrecueva
AutoKeras is an AutoML open-source software library that provides easy access to deep learning models. If you are looking to build deep learning model architectures and perform parameter tuning automatically using AutoKeras, then this book is for you. This book teaches you how to develop and use state-of-the-art AI algorithms in your projects. It begins with a high-level introduction to automated machine learning, explaining all the concepts required to get started with this machine learning approach. You will then learn how to use AutoKeras for image and text classification and regression. As you make progress, you'll discover how to use AutoKeras to perform sentiment analysis on documents. This book will also show you how to implement a custom model for topic classification with AutoKeras. Toward the end, you will explore advanced concepts of AutoKeras such as working with multi-modal data and multi-task, customizing the model with AutoModel, and visualizing experiment results using AutoKeras Extensions. By the end of this machine learning book, you will be able to confidently use AutoKeras to design your own custom machine learning models in your company. #программирование #алгоритмы #квантовые_вычисления #глубокое_обучение #deep_learning #искусственный_интеллект #AI #python
AutoKeras is an AutoML open-source software library that provides easy access to deep learning models. If you are looking to build deep learning model architectures and perform parameter tuning automatically using AutoKeras, then this book is for you. This book teaches you how to develop and use state-of-the-art AI algorithms in your projects. It begins with a high-level introduction to automated machine learning, explaining all the concepts required to get started with this machine learning approach. You will then learn how to use AutoKeras for image and text classification and regression. As you make progress, you'll discover how to use AutoKeras to perform sentiment analysis on documents. This book will also show you how to implement a custom model for topic classification with AutoKeras. Toward the end, you will explore advanced concepts of AutoKeras such as working with multi-modal data and multi-task, customizing the model with AutoModel, and visualizing experiment results using AutoKeras Extensions. By the end of this machine learning book, you will be able to confidently use AutoKeras to design your own custom machine learning models in your company. #программирование #алгоритмы #квантовые_вычисления #глубокое_обучение #deep_learning #искусственный_интеллект #AI #python