Cet article a été publié dans le cadre du Blogathon sur la science des données
"Certaines choses ne changent jamais, son essence et ses apports restent les mêmes à ce jour ".
introduction
A travers cette ligne, je signale l'apport millénaire du livre dans l'éducation des personnes; même à ce jour, dependemos en gran mesureLa "mesure" C’est un concept fondamental dans diverses disciplines, qui fait référence au processus de quantification des caractéristiques ou des grandeurs d’objets, phénomènes ou situations. En mathématiques, Utilisé pour déterminer les longueurs, Surfaces et volumes, tandis qu’en sciences sociales, il peut faire référence à l’évaluation de variables qualitatives et quantitatives. La précision des mesures est cruciale pour obtenir des résultats fiables et valides dans toute recherche ou application pratique.... du texte, les articles et livres.
J'ai toujours été une personne du genre conférence vidéo, semble moins ennuyeux au point, pero mi opinión cambió drásticamente una vez que descubrí estos libros sobre l'apprentissage en profondeurL'apprentissage en profondeur, Une sous-discipline de l’intelligence artificielle, s’appuie sur des réseaux de neurones artificiels pour analyser et traiter de grands volumes de données. Cette technique permet aux machines d’apprendre des motifs et d’effectuer des tâches complexes, comme la reconnaissance vocale et la vision par ordinateur. Sa capacité à s’améliorer continuellement au fur et à mesure que de nouvelles données lui sont fournies en fait un outil clé dans diverses industries, de la santé... de estos editores de élite. Pendant très longtemps, Je pensais que les livres n'étaient pas une bonne option pour étudier des concepts mathématiques et informatiques aussi complexes, mais je suis content que ces livres prouvent que j'ai tort.
Les livres mentionnés ici sont quelques-uns de tous; qu'est-ce que j'ai vécu. Ils sont mon opinion honnête, au meilleur de ma connaissance et de ma conviction, et certains livres spéciaux mentionnés ici sont parmi les meilleurs livres de l'industrie publiés sur l'apprentissage en profondeur que même Google et Facebook recommandent. Vous les saurez une fois que vous aurez lu l'article.
Ce livre est tout le chemin de l'IA classique traitant des algorithmes de recherche, recherche intelligente et d'autres choses comme ça, à une partie plus évolutive de l'IA, y compris l'apprentissage automatique popularisé du 21e siècle, apprentissage en profondeur et apprentissage Q par renforcement.
Le programme comprend ces sujets dans l'ordre { Intuition de l'intelligence artificielle, bases de la recherche, recherche avancée, algorithmes évolutionnaires, l'intelligence de l'essaim: fourmis, l'intelligence de l'essaim: particules, apprentissage automatique, réseaux de neurones artificiels, renforcement avec Q-Learning}. Vous apprendrez et jetterez les bases de comment et par quels processus l'IA d'aujourd'hui a évolué.
Je recommande ce livre à ceux qui se plongent dans l'IA pour la première fois et sont passionnés par l'apprentissage de l'évolution de l'IA, tous ses aspects fondamentaux et pas seulement certains célèbres algorithmes d'apprentissage automatique ou d'apprentissage profond.
2. Apprentissage en profondeur à partir de zéro: Construire avec Python à partir de First Principles de Seth Weidman publié par O'Reilley
Le livre suit littéralement le concept mentionné dans son nom, qu'est-ce qui se construit à partir des premiers principes. L'auteur mentionne clairement dans ce livre que lorsque nous apprenons n'importe quel concept de l'informatique, Disons “chercher”, puis expliquer le concept.
Les éléments les plus cruciaux pour l'expliquer correctement seraient
- Une explication de l'algorithme en anglais simple pour que le glossaire devienne un facteur moins déroutant,
- Représentation visuelle du fonctionnement de cet algorithme afin que le lecteur puisse facilement imaginer le concept avec plus de compréhension.
- Une explication mathématique de “pourquoi les algorithmes fonctionnent”, Oui
- Implémentation en pseudocode de l'algorithme.
Ce livre fait de son mieux pour remplir tous les rôles mentionnés ci-dessus pour toute personne ayant peu d'expérience et de cohérence dans l'apprentissage de l'apprentissage en profondeur.. Ce livre pas si épais est assez surprenant.
3. Apprentissage profond en Python / Pytorch par Manning Publications
Ces livres particuliers sont si populaires et étonnants que Pytorch a recommandé la version PyTorch de ce livre dans les références de lecture de leur site officiel et a même fait le “Apprentissage profond avec Pytorch” est accessible à tous gratuitement.
Ce sont certainement les livres préférés pour commencer avec l'apprentissage en profondeur et aussi certains livres pratiques. Voyons en quoi consiste la couverture entière dans son contenu:
3.1 Apprentissage profond avec Python
Le livre est divisé en 2 les pièces: Premier (Fondamentaux de l'apprentissage en profondeur) où vous découvrirez les concepts de haut niveau et les plus cruciaux de l'apprentissage en profondeur.
Seconde (apprentissage profond en pratique) où le livre couvre apprentissage en profondeur pour la vision artificielle, texte et séquences, pratique avancée d'apprentissage en profondeur, apprentissage profond génératif.
3.2 Apprentissage en profondeur avec PyTorch
Je vous ai déjà dit à quel point ce livre est populaire, voyons son contenu. Le livre est divisé en 3 les pièces:
Partie 1 (Noyau PyTorch) où vous découvrirez Introduction to Deep Learning et PyTorch en tant que bibliothèque, modèles préentrenados, tendeurs et leurs applications et plus.
Vient ensuite la partie 2 (Apprendre des images dans le monde réel) couvre un exemple réel de détection précoce du cancer du poumon et son développement complet en détail qui, À mon avis, ajoute beaucoup de perspective pour l'étudiant.
Partie 3 (Déploiement) parle de la dernière étape du développement d'une application d'apprentissage automatique pour la première fois, qui est de permettre aux autres d'utiliser votre modèle et de faire vivre votre modèle dans le monde réel.
4. Grokking Deep Learning par Andrew W. Trask publié par Manning Publications
Si vous voulez me croire sur parole et demandez-moi “Gargeya, Où pensez-vous que je devrais commencer?” Je fermerais les yeux et montrerais ce livre. Un livre fantastique sur l'apprentissage en profondeur qui me fait même comprendre pourquoi je n'ai pas commencé par ça.
Ce livre couvre la plupart des sujets dont vous auriez besoin pour vous salir les mains avec l'apprentissage en profondeur et marcher sur une pente positive exponentielle vers la perspicacité et la perspicacité..
Ceci est un bref résumé de ce que vous apprendrez: {Introduction à l'apprentissage en profondeur et pourquoi vous devriez, Concepts fondamentaux, Introducción a la neuronal rougeLes réseaux de neurones sont des modèles computationnels inspirés du fonctionnement du cerveau humain. Ils utilisent des structures appelées neurones artificiels pour traiter et apprendre des données. Ces réseaux sont fondamentaux dans le domaine de l’intelligence artificielle, permettant des avancées significatives dans des tâches telles que la reconnaissance d’images, Traitement du langage naturel et prédiction de séries temporelles, entre autres. Su capacidad para aprender patrones complejos las hace herramientas poderosas..., descenso de penteLe gradient est un terme utilisé dans divers domaines, comme les mathématiques et l’informatique, pour décrire une variation continue de valeurs. En mathématiques, fait référence au taux de variation d’une fonction, pendant la conception graphique, S’applique à la transition de couleur. Ce concept est essentiel pour comprendre des phénomènes tels que l’optimisation dans les algorithmes et la représentation visuelle des données, permitiendo una mejor interpretación y análisis en... en détail, visualisation du réseau de neurones, concept de rétropropagation et d'apprentissage, procesamiento por lotes y régularisationLa régularisation est un processus administratif qui vise à formaliser la situation de personnes ou d’entités qui opèrent en dehors du cadre légal. Cette procédure est essentielle pour garantir les droits et les devoirs, ainsi que pour promouvoir l’inclusion sociale et économique. Dans de nombreux pays, La régularisation est appliquée dans les contextes migratoires, Droit du travail et fiscalité, permitiendo a quienes se encuentran en situaciones irregulares acceder a beneficios y protegerse de posibles sanciones...., Réseaux récurrents pour les données textuelles, LSTM et, finalement, apprentissage fédéré }. crème, si cela ne suffit pas pour commencer, la plupart des choses ne sont pas.
5. Apprentissage machine pratique avec Scikit-learn Keras et TensorFlow par Aurelion Geron Publié par O` Reilley
Une fois que vous avez terminé avec les statistiques de base, apprentissage automatique et apprentissage profond. Vous souhaitez maintenant améliorer votre jeu avec des implémentations pratiques et créer un modèle d'apprentissage en profondeur complet dans TensorFlow. C'est le livre que non seulement moi, mais aussi Tensorflow suggère.
Personnellement, Je suis ce livre en permanence et en termes d'apprentissage en profondeur avec TensorFlow, c'est mon meilleur livre. La façon dont l'auteur a expliqué les concepts est exceptionnellement simple et intuitive. Cela me faisait me sentir plus puissant à chaque fois que je terminais avec une certaine section.
Le livre est un trésor de connaissances avec plus de 800 pages thématiques: {Fondamentaux, Projet de machine learning de bout en bout, Algorithmes et techniques d'apprentissage automatique les plus courants, Neuronal rouge avec Keras, Modelos personalizados y entraînementLa formation est un processus systématique conçu pour améliorer les compétences, connaissances ou aptitudes physiques. Il est appliqué dans divers domaines, Comme le sport, Éducation et développement professionnel. Un programme d’entraînement efficace comprend la planification des objectifs, Pratique régulière et évaluation des progrès. L’adaptation aux besoins individuels et la motivation sont des facteurs clés pour obtenir des résultats réussis et durables dans toutes les disciplines.... con Tensorflow, Vision par ordinateur profonde avec convolutions, Modèles de séquence avec RNN et LSTM, Modèles de soins, Apprentissage génératif comme les codeurs automatiques et le GAN, apprentissage par renforcementEl aprendizaje por refuerzo es una técnica de inteligencia artificial que permite a un agente aprender a tomar decisiones mediante la interacción con un entorno. A través de la retroalimentación en forma de recompensas o castigos, el agente optimiza su comportamiento para maximizar las recompensas acumuladas. Este enfoque se utiliza en diversas aplicaciones, desde videojuegos hasta robótica y sistemas de recomendación, destacándose por su capacidad de aprender estrategias complejas....}.
Apprendre et travailler en parallèle avec ce livre changera complètement votre niveau de compétence en apprentissage automatique et en apprentissage en profondeur dans la pratique.. Vous devriez certainement l'essayer.
6. Apprentissage en profondeur de Ian Goodfellow, Yoshua Bengio et Aaron Courville publiés par MIT Press
Permettez-moi de clarifier quelques faits, les auteurs de ce livre incluent les pionniers de l'apprentissage en profondeur, Yoshua Bengio, l'un des trois parrains du deep learning, Populaire Ian Goodfellow de cette création de Adversary Generative Networks (GAN).
Ce livre est une légende parmi tous les livres sur l'apprentissage en profondeur. Le livre ne parle pas seulement de concepts d'apprentissage en profondeur, Au contraire, il montre d'abord vos connaissances et concepts de mathématiques appliquées (algèbre linéaire, théorie des probabilités et de l'information, calculs numériques) et concepts de base de l'apprentissage automatique en termes de mathématiques (les blocs de construction les plus bas de l'intelligence artificielle). ).
Une fois que vous avez parcouru la partie 1, puis ça vient Partie 2 – étude détaillée sur l'apprentissage en profondeur: pratiques modernes (Feedforward profond rouge, Régularisation, Optimisation, Réseaux convolutifs, Modélisation de séquences, Applications).
Après avoir vraiment approfondi tous ces concepts et créé une logique et une intuition hardcore sur l'apprentissage en profondeur, arrive Partie 3 (Recherche en apprentissage profond) qui comprend certains des sujets de recherche en apprentissage en profondeur les plus populaires comme (ACP probabiliste et analyse factorielle, encodeurs automatiques, Modèles probabilistes structurés pour l'apprentissage en profondeur, Méthodes de Monte-Carlo, modèles génératifs profonds et tout ça).
Je ne recommanderais pas ce livre à tout le monde., mais à ceux qui sont particulièrement concentrés sur l'apprentissage en profondeur et qui sont prêts à travailler très dur sur tous les mathématiques et à ne pas s'écarter de l'apprentissage en profondeur.
7. Deep Learning pour les programmeurs avec fastai et PyTorch par Jeremy Howard et Sylvain Gugger Publié par O'Reilley
Sauver le meilleur ressource complète du package pour la fin. Ce livre fait définitivement partie de mes 3 Livres préférés, absolument magnifique non seulement en termes d'apprentissage en profondeur, mais aussi sur tous les autres facteurs très importants liés au deep learning en pratique, Quoi Du modèle à la production, l'éthique des données et votre parcours d'apprentissage en profondeur (une carte à suivre). Ces trois choses sont vraiment très importantes si vous espérez devenir un ingénieur en apprentissage profond ou quelque chose de similaire dans la pratique..
Soutenu par l'ensemble du site fast.ai pour enseigner aux gens l'apprentissage en profondeur à partir de zéro gratuitement avec des didacticiels vidéo complets, Laboratoires dans l'environnement d'apprentissage en profondeur de l'espace papier, introduction à une bibliothèque très puissante pour l'apprentissage en profondeur dans PyTorch, c'est-à-dire recrutement. Le livre est suffisamment détaillé avec tellement de contenu pratique que vous apprendrez certainement quelque chose de nouveau après chaque lecture..
Laissez-moi vous donner une idée de ce que vous verrez à l'intérieur de ce livre. {applications fastai, y compris Classification des images, formation de modèles à la pointe de la technologie, analyse de filtrage collaborative approfondie, modélisation tabulaire, analyse approfondie de la PNL, puis vient plus loin Modèle de langue à partir de zéro, Architecture CNN comme ResNets et toutes les autres architectures d'apprentissage en profondeur essentielles à partir de zéro} Je le recommande aux personnes intéressées par l'apprentissage en profondeur.
C'est tout pour cet article., J'espère que vous passerez moins de temps à vous promener et à vous perdre maintenant et que vous commencerez avec l'un des livres que vous avez le plus aimés. Continue à grandir, mes collègues membres de la communauté IA.
Gargeya Sharma
B. Technologies de l'information 3ème année
Spécialisé en science des données et deep learning
Stagiaire Data Scientist chez Upswing Cognitive Hospitality Solutions
Pour plus d'informations, vérifier ma page d'accueil github
photo par Jakob Boman sur Unsplash
Les médias présentés dans cet article ne sont pas la propriété de DataPeaker et sont utilisés à la discrétion de l'auteur.
