Книжка Глибоке навчання: готові рішення. Давид Осінга
Технологія глибокого навчання не так складна, як багато хто вважає. До недавнього часу на її вивчення йшли роки, але з появою таких фреймворків, як Keras і TensorFlow , Інженери-програмісти, які не мають досвіду в цій галузі, можуть швидко почати створювати робочі додатки. Завдяки готовим прикладів, наведених в книзі, ви навчитеся вирішувати завдання, пов’язані з класифікацією і генеруванням тексту, зображень та музики.
У кожному розділі описується кілька рішень , Що об’єднуються в єдиний проект, наприклад програму, що реалізує тренування музичної рекомендаційної системи. Також є глава з описом методик, які в разі потреби допоможуть виконати налагодження нейронної мережі. Всі приклади написані на мові Python і доступні у вигляді набору блокнотів.
Основні теми книги:
- Використання векторних уявлень слів для обчислення схожості текстів
- Побудова рекомендаційної системи фільмів на основі посилань в Вікіпедії
- Візуалізація внутрішніх станів нейронної мережі
- Створення моделі, яка рекомендує емодзі для фрагментів тексту
- Повторне використання попередньо навчених мереж для створення служби зворотного пошуку зображень
- Генерування піктограм за допомогою генеративно-змагальних мереж (GAN), автокодіровщіков і рекурентних мереж (RNN)
- Розпізнавання музичних жанрів і індексування колекцій пісень
Давид Осінга – досвідчений інженер-програміст, який раніше працював в Google, засновник трьох стартапів.
Веде популярний сайт програмних проектів, присвячений в тому числі машинного навчання.
Зміст Книга Глибоке навчання: готові рішення:
- Глава 1. Інструменти та методи
- Глава 2. Шукаємо вихід із скрутних ситуацій
- Глава 3. Обчислення схожості текстів за допомогою векторних уявлень слів
- Глава 4. Створення рекомендаційної системи на основі вихідних посилань Вікіпедії
- Глава 5. Генерування тексту у стилі наданого прикладу
- Глава 6. Пошук подібних питань
- Глава 7. Пророцтво емодзі
- Глава 8. Моделі seq2seq
- Глава 9. Повторне використання попередньо навченої мережі розпізнавання зображень
- Глава 10. Створення служби зворотного пошуку зображень
- Глава 11. Виявлення кількох 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
