“`html
Главные книги по глубокому обучению и нейронным сетям
Глубокое обучение (серия Adaptive Computation and Machine Learning)
Эта книга охватывает широкий спектр тем глубокого обучения вместе с их математическим и концептуальным фоном. Кроме того, она предлагает понимание разнообразных методов глубокого обучения, применяемых в различных отраслях промышленности.
Практическое глубокое обучение: введение на Python
Эта книга является исчерпывающим руководством для начинающих по созданию наборов данных и моделей, необходимых для обучения нейронных сетей для собственных проектов. Она охватывает основные темы, включая Python, создание наборов данных, использование библиотек, таких как scikit-learn и Keras, и оценку моделей, поощряя дальнейшее изучение этой области.
Глубокое обучение на Python
«Глубокое обучение на Python» представляет глубокое обучение с помощью Python и его библиотеки Keras. Она предлагает понятные объяснения, примеры из реальной жизни и практические навыки использования глубокого обучения в компьютерном зрении, обработке естественного языка и генеративных моделях.
Нейронные сети и глубокое обучение
Эта книга исследует как классические, так и современные модели глубокого обучения, фокусируясь на их теории и алгоритмах. Она рассматривает ключевые вопросы об эффективности нейронных сетей, их глубине, проблемах обучения и применении в различных областях, таких как рекомендательные системы, машинный перевод и классификация изображений.
Глубокое обучение с использованием TensorFlow и Keras
Эта книга учит нейронные сети и глубокое обучение с использованием библиотек TensorFlow и Keras. Она охватывает функции TensorFlow 2.x, такие как eager execution и API Keras, с практическими примерами для обучения с учителем и без учителя в различных средах. Книга также описывает создание и развертывание различных алгоритмов, таких как сверточные нейронные сети, трансформеры, GAN и др.
Генеративное глубокое обучение
«Генеративное глубокое обучение» – это практическое руководство по использованию TensorFlow и Keras для создания моделей генеративного глубокого обучения, таких как автоэнкодеры (VAE), генеративно-состязательные сети (GAN) и др. Книга также описывает мультимодельные модели, такие как DALLE2 и Stable Diffusion, будущее генеративного ИИ и как его можно использовать для создания конкурентных преимуществ.
Практические алгоритмы глубокого обучения на Python
Эта книга знакомит с популярными алгоритмами глубокого обучения и руководит их реализацией с использованием TensorFlow. Она охватывает алгоритмы, такие как RNN, LSTM, GAN и дает представление о принципах каждого алгоритма, их математических основах и практических методах реализации.
Понимание глубокого обучения
Эта книга охватывает ключевые темы и последние достижения в области глубокого обучения, представляя сложные концепции в понятной, интуитивной форме с минимальным техническим жаргоном. С акцентом на теорию и практику, книга подходит для читателей с базовыми знаниями прикладной математики и включает программные упражнения в Python Notebooks для практического обучения.
Глубокое обучение для программистов с использованием Fastai и PyTorch
Эта книга демонстрирует, как программисты на Python могут успешно заниматься глубоким обучением с помощью Fastai. Она предлагает удобный интерфейс для выполнения общих задач глубокого обучения и учит читателей эффективно обучать модели с использованием Fastai и PyTorch.
Глубокое обучение (серия Essential Knowledge от MIT Press)
«Глубокое обучение» предлагает краткое введение в технологии, стоящие за революцией в области искусственного интеллекта. Она объясняет, как глубокое обучение позволяет принимать решения на основе данных, выявляя закономерности в больших наборах данных, и его применение в различных областях, таких как компьютерное зрение, распознавание речи и беспилотные автомобили.
Нейронные сети для распознавания образов
Эта книга всесторонне исследует прямые нейронные сети в рамках статистического распознавания образов. Она углубляется в моделирование функций плотности вероятности, анализ многослойных персептронов и радиально-базисных функциональных сетей, функции ошибок, алгоритмы обучения, обобщение и байесовские методы.
Практическое глубокое обучение для облачных, мобильных и краевых вычислений
Эта книга служит руководством по созданию практических приложений глубокого обучения. Она предоставляет пошаговый подход к созданию приложений для различных платформ, включая облако, мобильные устройства, браузеры и краевые устройства.
Мы получаем небольшую прибыль от покупок, совершенных через реферальные/аффилированные ссылки, прикрепленные к каждой книге, упомянутой в вышеуказанном списке.
Если вы хотите предложить какую-либо книгу, которую мы упустили из этого списка, напишите нам по адресу asif@marktechpost.com
Этот пост оригинально опубликован на сайте MarkTechPost.