Джереми Ховард , Сильвейн Гуггер - Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности
Название: | Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности | |
Автор: | Джереми Ховард , Сильвейн Гуггер | |
Жанр: | Искусственный интеллект, Python | |
Изадано в серии: | Бестселлеры o’reilly | |
Издательство: | Питер | |
Год издания: | 2022 | |
ISBN: | 978-5-4461-1475-7 | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности"
Обычно на глубокое обучение смотрят с ужасом, считая, что только доктор математических наук или ботан, работающий в крутой айтишной корпорации, могут разобраться в этой теме. Отбросьте стереотипы: любой программист, знакомый с Python, может добиться впечатляющих результатов. Как? С помощью fastai — библиотеки, предоставляющей комфортный интерфейс для решения наиболее популярных задач.
Создатели fastai доказали, что самые модные и актуальные приложения можно делать быстро и не засыпать над скучными теоретическими выкладками и зубодробительными формулами.
16+
Читаем онлайн "Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности" (ознакомительный отрывок). Главная страница.
Boston Farnham Sebastopol
Tokyo
Глубокое обучение
с fastai и PyTorch
Минимум формул, минимум кода,
максимум эффективности
Джереми Ховард и Сильвейн Гуггер
2022
ББК 32.813
УДК 004.8
Х68
Ховард Джереми, Гуггер Сильвейн
Х68 Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности. — СПб.: Питер, 2022. — 624 с.: ил. — (Серия «Бестселлеры O’Reilly»).
ISBN 978-5-4461-1475-7
Обычно на глубокое обучение смотрят с ужасом, считая, что только доктор математических
наук или ботан, работающий в крутой айтишной корпорации, могут разобраться в этой теме.
Отбросьте стереотипы: любой программист, знакомый с Python, может добиться впечатляющих
результатов. Как? С помощью fastai — библиотеки, предоставляющей комфортный интерфейс
для решения наиболее популярных задач.
Создатели fastai доказали, что самые модные и актуальные приложения можно делать быстро
и не засыпать над скучными теоретическими выкладками и зубодробительными формулами.
16+ (В соответствии с Федеральным законом от 29 декабря 2010 г. № 436-ФЗ.)
ББК 32.813
УДК 004.8
Права на издание получены по соглашению с O’Reilly. Все права защищены. Никакая часть данной книги
не может быть воспроизведена в какой бы то ни было форме без письменного разрешения владельцев
авторских прав.
Информация, содержащаяся в данной книге, получена из источников, рассматриваемых издательством как
надежные. Тем не менее, имея в виду возможные человеческие или технические ошибки, издательство не
может гарантировать абсолютную точность и полноту приводимых сведений и не несет ответственности за
возможные ошибки, связанные с использованием книги. Издательство не несет ответственности за доступность материалов, ссылки на которые вы можете найти в этой книге. На момент подготовки книги к изданию
все ссылки на интернет-ресурсы были действующими.
ISBN 978-1492045526 англ.
ISBN 978-5-4461-1475-7
© Authorized Russian translation of the English edition of Deep Learning for
Coders with fastai and PyTorch
ISBN 9781492045526 © 2020 Sylvain Gugger and Jeremy Howard.
This translation is published and sold by permission of O’Reilly Media, Inc.,
which owns or controls all rights to publish and sell the same.
© Перевод на русский язык ООО «Прогресс книга», 2022
© Издание на русском языке, оформление ООО «Прогресс книга», 2022
© Серия «Бестселлеры O’Reilly», 2022
Краткое содержание
Отзывы о книге...................................................................................................................... 18
Введение.................................................................................................................................. 22
Предисловие.......................................................................................................................... 25
ЧАСТЬ I
ГЛУБОКОЕ ОБУЧЕНИЕ НА ПРАКТИКЕ
Глава 1. Путешествие в мир глубокого обучения................................................. 28
Глава 2. От модели к продакшену................................................................................ 86
Глава 3. Этика данных.....................................................................................................125
ЧАСТЬ II
ПОНИМАНИЕ ПРИЛОЖЕНИЙ НА БАЗЕ FASTAI
Глава 4. Обучение классификатора цифр: взгляд изнутри............................168
Глава 5. Классификация изображений....................................................................222
Глава 6. Другие задачи компьютерного зрения..................................................256
Глава 7. Обучение современной модели...............................................................278
Глава 8. Коллаборативная фильтрация...................................................................294
Глава 9. Табличное моделирование.........................................................................320
Глава 10. Погружение в NLP: рекуррентные нейронные сети.....................376
Глава 11. Преобразование данных с помощью Mid-Level API .....................405
6 Краткое содержание
ЧАСТЬ III
ОСНОВЫ ГЛУБОКОГО ОБУЧЕНИЯ
Глава 12. Языковая модель с нуля.............................................................................422
Глава 13. Сверточные нейронные сети...................................................................453
Глава 14. ResNet.................................................................................................................492
Глава 15. Архитектуры приложений........................................................................511
Глава 16. Процесс обучения.........................................................................................524
ЧАСТЬ IV
ГЛУБОКОЕ ОБУЧЕНИЕ С ЧИСТОГО ЛИСТА
Глава 17. Продвинутые основы нейронной сети...............................................544
Глава 18. Интерпретация CNN с помощью CAM.................................................571
Глава 19. Класс Learner с нуля.....................................................................................579
Глава 20. Подведем итог................................................................................................598
ПРИЛОЖЕНИЯ
Приложение A. Создание блога................................................................................602
Приложение Б. Схема подготовки проекта по аналитике данных............611
Об --">
Книги схожие с «Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности» по жанру, серии, автору или названию:
Ян Пойнтер - Программируем с PyTorch. Создание приложений глубокого обучения Жанр: Искусственный интеллект Год издания: 2020 Серия: Бестселлеры o’reilly |
Орельен Жерон - Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow Жанр: Искусственный интеллект Год издания: 2020 Серия: Бестселлеры o’reilly |
Кэти Уорр - Надежность нейронных сетей: укрепляем устойчивость ИИ к обману Жанр: Искусственный интеллект Год издания: 2021 Серия: Бестселлеры o’reilly |
Сет Вейдман - Глубокое обучение: легкая разработка проектов на Python Жанр: Python Год издания: 2021 Серия: Бестселлеры o’reilly |
Другие книги из серии «Бестселлеры o’reilly»:
Евгений Брикман - Terraform: инфраструктура на уровне кода Жанр: Программирование: прочее Год издания: 2020 Серия: Бестселлеры o’reilly |
Курт Гантерот - Оптимизация программ на С++. Проверенные методы для повышения производительности Жанр: C, C++, C# Год издания: 2017 Серия: Бестселлеры o’reilly |
Саймон Монк - Электроника. Сборник рецептов: готовые решения на базе Arduino и Raspberry Pi Жанр: Аппаратное обеспечение, компьютерное железо Год издания: 2019 Серия: Бестселлеры o’reilly |
Джон Мэннинг, Пэрис Батфилд-Эддисон - Unity для разработчика. Мобильные мультиплатформенные игры Жанр: Программирование: прочее Год издания: 2018 Серия: Бестселлеры o’reilly |