Cantitate/Preț
Produs
Total produse
Vezi coșul
Principles and Labs for Deep Learning de Shih-Chia Huang

Principles and Labs for Deep Learning

Autor Shih-Chia Huang, Trung-Hieu Le
en Limba Engleză Paperback – 25 iun 2021

Observăm în Principles and Labs for Deep Learning o abordare riguroasă, centrată pe componenta vizuală: cele 100 de ilustrații, dintre care 50 sunt integral color, nu sunt simple anexe, ci instrumente esențiale pentru înțelegerea arhitecturii și funcționării rețelelor neurale convoluționale (CNN). Remarcăm modul în care autorii Shih-Chia Huang și Trung-Hieu Le utilizează vizualizarea rezultatelor pentru a demistifica procesele complexe de învățare profundă, oferind o claritate clinică asupra modului în care datele sunt transformate prin straturi de abstractizare.

Structura volumului publicat de ELSEVIER SCIENCE este strict modulară, progresând de la fundamentele TensorFlow 2.0 către aplicații specializate. Fiecare capitol este dublat de un laborator practic, facilitând tranziția de la teorie la execuție prin exemple de cod sursă. Analizând cuprinsul, identificăm o traiectorie logică: după stabilirea bazelor în probleme de regresie și clasificare (binară și multi-categorie), textul avansează spre subiecte de nișă precum transfer learning, auto-encodere variaționale și rețele generative adversariale (WGAN-GP).

Acest manual de referință este comparabil cu Hands-on Convolutional Neural Networks with Tensorflow de Iffat Zafar, dar se distinge prin ancorarea strictă în ecosistemul TensorFlow 2.0 și utilizarea extinsă a TensorBoard pentru monitorizarea antrenării. În timp ce alte lucrări se concentrează pe biblioteci multiple, lucrarea de față prioritizează integrarea cu Keras APIs și TensorFlow Hub, oferind o metodologie unitară pentru dezvoltarea modelelor de detectare a obiectelor și procesare de imagine. Credem că rigoarea academică a celor 366 de pagini transformă acest titlu într-o resursă critică pentru ingineria biomedicală și informatică, unde precizia modelării este imperativă.

Citește tot Restrânge

Preț: 62307 lei

Preț vechi: 79865 lei
-22%

Puncte Express: 935

Carte tipărită la comandă

Livrare economică 20 mai-03 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780323901987
ISBN-10: 0323901980
Pagini: 366
Ilustrații: 100 illustrations (50 in full color)
Dimensiuni: 216 x 276 x 30 mm
Greutate: 0.84 kg
Editura: ELSEVIER SCIENCE

De ce să citești această carte

Recomandăm această carte profesioniștilor și studenților care doresc să treacă de la conceptele teoretice la implementări robuste în TensorFlow 2.0. Cititorul câștigă o metodologie de lucru validată prin laboratoare practice și acces la cod sursă pe GitHub. Este un instrument esențial pentru oricine vizează specializarea în viziune artificială sau bioinformatică, oferind control total asupra arhitecturilor CNN și a modelelor generative moderne.

Descriere scurtă

Principles and Labs for Deep Learning provides the knowledge and techniques needed to help readers design and develop deep learning models. Deep Learning techniques are introduced through theory, comprehensively illustrated, explained through the TensorFlow source code examples, and analyzed through the visualization of results. The structured methods and labs provided by Dr. Huang and Dr. Le enable readers to become proficient in TensorFlow to build deep Convolutional Neural Networks (CNNs) through custom APIs, high-level Keras APIs, Keras Applications, and TensorFlow Hub.  Each chapter has one corresponding Lab with step-by-step instruction to help the reader practice and accomplish a specific learning outcome.
Deep Learning has been successfully applied in diverse fields such as computer vision, audio processing, robotics, natural language processing, bioinformatics and chemistry. Because of the huge scope of knowledge in Deep Learning, a lot of time is required to understand and deploy useful, working applications, hence the importance of this new resource. Both theory lessons and experiments are included in each chapter to introduce the techniques and provide source code examples to practice using them. All Labs for this book are placed on GitHub to facilitate the download. The book is written based on the assumption that the reader knows basic Python for programming and basic Machine Learning.


  • Introduces readers to the usefulness of neural networks and Deep Learning methods
  • Provides readers with in-depth understanding of the architecture and operation of Deep Convolutional Neural Networks
  • Demonstrates the visualization needed for designing neural networks
  • Provides readers with an in-depth understanding of regression problems, binary classification problems, multi-category classification problems, Variational Auto-Encoder, Generative Adversarial Network, and Object detection

Cuprins

1. Introduction to TensorFlow2.02. Regression Problem3. Binary classification problem4. Multi-category Classification Problem5. Training Neural Network6. Advanced TensorFlow2.07. Advanced TensorBoard8. Convolutional Neural Network Architectures9. Transfer Learning10. Variational Auto-Encoder11. WGAN-GP12. Object Detection