Głębokie uczenie dla początkujących 2: Implementacja Rekurencyjnych Sieci Neuronowych, VAE i GAN (Uczenie maszynowe) w Pythonie

To druga część serii o podstawach uczenia głębokiego, prowadzona przez popularnego instruktora na platformie edukacji online Udemy.. Poprzednia książka, "Głębokie uczenie dla początkujących", wyjaśniła najbardziej podstawowe podstawy: sieci neuronowe i propagacja wsteczna, w sposób łatwy do zrozumienia nawet dla początkujących. Ta książka wyjaśnia rekurencyjne sieci neuronowe (RNN), które są bardzo wartościowe w dziedzinie przetwarzania języka naturalnego, a także generatywne modele głębokiego uczenia VAE (Wariacyjny autoenkoder) i GAN (Generatywne Sieci Adversarialne), w tym metody implementacji. W nawiązaniu do poprzedniej książki, implementacja programu jest wykonana w całości w Pythonie, bez polegania na istniejących frameworkach.

[Cechy książki] - Dla tych, którzy nie czytali poprzedniej książki, znajdują się rozdziały wyjaśniające podstawy Pythona, matematyki i sieci neuronowych. - Programy przykładowe są napisane w całości w Pythonie, bez użycia żadnych frameworków.. To sprawia, że zasady kodowania wzorów matematycznych są łatwe do zrozumienia, nawet dla początkujących. - Przykładowe programy można pobrać ze strony internetowej SB Creative Corporation. Kompatybilny z Pythonem 3, Jupyter Notebook i Google Colaboratory

Rozdział 1: Rozwój uczenia głębokiego Przegląd uczenia głębokiego Zastosowania uczenia głębokiego Technologie omówione w tej książce Jak korzystać z tej książki

Rozdział 2: Przygotowanie do nauki Konfigurowanie środowiska Anaconda Jak korzystać z Google Colaboratory Jak używać Jupyter Notebook Podstawy Pythona NumPy i matplotlib Podstawy matematyki

Rozdział 3: Podstawy głębokiego uczenia Przegląd sieci neuronowych i uczenia głębokiego Propagacja w przód przez warstwy w pełni połączone Wsteczna propagacja przez warstwy w pełni połączone Implementacja warstwy w pełni połączonej Prosta implementacja głębokiego uczenia

Rozdział 4: RNN Przegląd RNN Propagacja w przód przez warstwy RNN Propagacja wsteczna przez warstwy RNN Implementacja warstwy RNN Prosta implementacja RNN Problemy, z którymi borykają się RNN

Rozdział 5: LSTM Przegląd LSTM Propagacja w przód przez warstwy LSTM Propagacja wsteczna przez warstwy LSTM Implementacja warstwy LSTM Prosta implementacja LSTM Automatyczne generowanie tekstu

Rozdział 6: GRU Przegląd GRU Propagacja w przód warstwy GRU Wsteczna propagacja warstwy GRU Implementacja warstwy GRU Prosta implementacja GRU Koder-Dekoder

Rozdział 7: rower elektryczny Przegląd VAE Jak działa VAE Implementacja autoenkoderów Warstwy wymagane dla VAE Implementacja VAE Instrumenty pochodne VAE Rozdział 8: GAN Przegląd GAN Jak działa GAN Warstwy wymagane dla GAN Implementacja GAN Instrumenty pochodne GAN