Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati
“Algunas cosas nunca cambian, su esencia y aportes siguen siendo los mismos hasta la fecha”.
introduzione
A través de esta línea estoy señalando la contribución milenaria de los libros en la educación de las personas; incluso hasta la fecha, dependemos en gran misuraIl "misura" È un concetto fondamentale in diverse discipline, che si riferisce al processo di quantificazione delle caratteristiche o delle grandezze degli oggetti, fenomeni o situazioni. In matematica, Utilizzato per determinare le lunghezze, Aree e volumi, mentre nelle scienze sociali può riferirsi alla valutazione di variabili qualitative e quantitative. L'accuratezza della misurazione è fondamentale per ottenere risultati affidabili e validi in qualsiasi ricerca o applicazione pratica.... del testo, los artículos y los libros.
Siempre fui un tipo de persona que da conferencias en video, parecen menos aburridos hasta el punto, pero mi opinión cambió drásticamente una vez que descubrí estos libros sobre apprendimento profondoApprendimento profondo, Una sottodisciplina dell'intelligenza artificiale, si affida a reti neurali artificiali per analizzare ed elaborare grandi volumi di dati. Questa tecnica consente alle macchine di apprendere modelli ed eseguire compiti complessi, come il riconoscimento vocale e la visione artificiale. La sua capacità di migliorare continuamente man mano che vengono forniti più dati lo rende uno strumento chiave in vari settori, dalla salute... de estos editores de élite. Per molto tempo, pensé que los libros no eran una buena opción para estudiar conceptos matemáticos y de informática tan complejos, pero me alegra que estos libros demuestren que estoy equivocado.
Los libros mencionados aquí son algunos de todos; que he pasado. Son mi opinión honesta, según mi leal saber y entender, y algunos libros especiales que se mencionan aquí se encuentran entre los mejores libros de la industria publicados sobre aprendizaje profundo que incluso Google y Facebook los recomiendan. Los conocerá una vez que lea el artículo.
Este libro trata de todo el camino desde la IA clásica que se ocupa de los algoritmos de búsqueda, la búsqueda inteligente y otras cosas como estas, hasta una parte más evolutiva de la IA que incluye el aprendizaje automático popularizado del siglo XXI, el aprendizaje profundo y el aprendizaje Q de refuerzo.
El plan de estudios incluye estos temas en secuencia { Intuición de inteligencia artificial, conceptos básicos de búsqueda, búsqueda avanzada, algoritmos evolutivos, inteligencia de enjambre: formiche, inteligencia de enjambre: partículas, apprendimento automatico, reti neurali artificiali, refuerzo con Q-Learning}. Aprenderá y establecerá la base de cómo y a través de qué procesos evolucionó la IA de hoy.
Recomiendo este libro a aquellos que están profundizando en la IA por primera vez y les apasiona conocer la evolución de la IA, todos sus aspectos centrales y no solo algunos algoritmos famosos de aprendizaje automático o aprendizaje profundo.
2. Deep Learning From Scratch: Building with Python from First Principles por Seth Weidman publicado por O`Reilley
El libro sigue literalmente el concepto mencionado en su nombre, que es Construir desde los primeros principios. El autor menciona claramente en este libro que cuando aprendemos cualquier concepto de la informática, Diciamo “Cercare”, luego para explicar dicho concepto.
Los elementos más cruciales para explicarlo adecuadamente serían
- Una explicación del algoritmo en inglés simple para que el glosario se convierta en un factor menos confuso,
- Representación visual del funcionamiento de ese algoritmo para que el lector pueda imaginarse fácilmente el concepto con más comprensión.
- Una explicación matemática de “por qué funcionan los algoritmos”, e
- Implementación de pseudocódigo del algoritmo.
Este libro hace todo lo posible para cumplir con todos los roles mencionados anteriormente para cualquier persona con poca experiencia y consistencia para aprender el aprendizaje profundo. Este libro no tan grueso es bastante sorprendente.
3. Apprendimento profondo in Python / Pytorch por Manning Publications
Estos libros en particular son tan populares y sorprendentes que Pytorch recomienda la versión PyTorch de este libro en las referencias de lectura de su sitio oficial e incluso hizo que el “Apprendimento profondo con Pytorch” esté disponible para todos de forma gratuita.
Definitivamente son los libros preferidos para comenzar con el aprendizaje profundo y también algunos prácticos. Veamos en qué consiste toda la portada en su contenido:
3.1 Aprendizaje profundo con Python
Il libro è diviso in 2 parti: Primo (Fondamenti di deep learning) donde aprenderá sobre los conceptos de alto nivel y más cruciales del aprendizaje profundo.
Secondo (aprendizaje profundo en la práctica) donde el libro cubre aprendizaje profundo para visión artificial, texto y secuencias, práctica avanzada de aprendizaje profundo, aprendizaje profundo generativo.
3.2 Apprendimento profondo con PyTorch
Ya les dije lo popular que es este libro, veamos su contenido. El libro se divide en 3 parti:
Parte 1 (Core PyTorch) donde aprenderá sobre Introducción al aprendizaje profundo y PyTorch como biblioteca, modelos preentrenados, tensores y sus aplicaciones y más.
Luego viene la Parte 2 (Aprendiendo de las imágenes en el mundo real) cubre un ejemplo de la vida real de la detección temprana del cáncer de pulmón y su desarrollo completo en detalle que, secondo me, agrega mucha perspectiva para el alumno.
Parte 3 (Distribuzione) habla sobre el último paso del desarrollo de cualquier aplicación de aprendizaje automático por primera vez, que es permitir que otros usen su modelo y hacer que su modelo viva en el mundo real.
4. Grokking Deep Learning por Andrew W. Trask publicado por Manning Publications
Si quieres creer en mi palabra y me preguntas “Gargeya, ¿por dónde crees que debería empezar?” Cerraría los ojos y le señalaría este libro. Un libro fantástico sobre aprendizaje profundo que incluso me hace sentir por qué no empecé con esto.
Este libro cubre la mayoría de los temas que necesitaría para ensuciarse las manos con el aprendizaje profundo y caminar una pendiente exponencial positiva hacia el conocimiento y la intuición.
Esto es un breve resumen de lo que aprenderá: {Introducción al aprendizaje profundo y por qué debería hacerlo, Conceptos fundamentales, Introducción a la neuronale rossoLe reti neurali sono modelli computazionali ispirati al funzionamento del cervello umano. Usano strutture note come neuroni artificiali per elaborare e apprendere dai dati. Queste reti sono fondamentali nel campo dell'intelligenza artificiale, consentendo progressi significativi in attività come il riconoscimento delle immagini, Elaborazione del linguaggio naturale e previsione delle serie temporali, tra gli altri. Su capacidad para aprender patrones complejos las hace herramientas poderosas..., descenso de gradienteGradiente è un termine usato in vari campi, come la matematica e l'informatica, per descrivere una variazione continua di valori. In matematica, si riferisce al tasso di variazione di una funzione, mentre in progettazione grafica, Si applica alla transizione del colore. Questo concetto è essenziale per comprendere fenomeni come l'ottimizzazione negli algoritmi e la rappresentazione visiva dei dati, permitiendo una mejor interpretación y análisis en... in dettaglio, visualización de redes neuronales, retropropagación y concepto de aprendizaje, procesamiento por lotes y regolarizzazioneLa regolarizzazione è un processo amministrativo che cerca di formalizzare la situazione di persone o entità che operano al di fuori del quadro giuridico. Questa procedura è essenziale per garantire diritti e doveri, nonché a promuovere l'inclusione sociale ed economica. In molti paesi, La regolarizzazione viene applicata in contesti migratori, Lavoro e fiscalità, permitiendo a quienes se encuentran en situaciones irregulares acceder a beneficios y protegerse de posibles sanciones...., Redes recurrentes para datos de texto, LSTM y, finalmente, aprendizaje federado }. crema, si esto no es suficiente para comenzar, la mayoría de las cosas no lo son.
5. Aprendizaje automático práctico con Scikit-learn Keras y TensorFlow de Aurelion Geron publicado por O` Reilley
Una vez que haya terminado con las estadísticas básicas, machine learning e deep learning. Ahora quieres mejorar tu juego con implementaciones prácticas y crear un modelo de aprendizaje profundo completo en TensorFlow. Este es el libro que no solo yo, sino también Tensorflow sugiere.
Personalmente, sigo este libro constantemente y en términos de aprendizaje profundo con TensorFlow, este es mi mejor libro. La forma en que el autor ha explicado los conceptos es excepcionalmente fácil e intuitiva. Me hacía sentir más poderoso cada vez que terminaba con una sección determinada.
El libro es un tesoro de conocimiento con más de 800 páginas sobre temas: {Fundamentos, Proyecto de aprendizaje automático de extremo a extremo, Algoritmos y técnicas de aprendizaje automático más comunes detallados, Red neuronal con Keras, Modelos personalizados y addestramentoLa formazione è un processo sistematico volto a migliorare le competenze, conoscenze o abilità fisiche. Viene applicato in vari ambiti, come lo sport, Formazione e sviluppo professionale. Un programma di allenamento efficace include la pianificazione degli obiettivi, Pratica regolare e valutazione dei progressi. L'adattamento alle esigenze individuali e la motivazione sono fattori chiave per ottenere risultati di successo e sostenibili in qualsiasi disciplina.... con Tensorflow, Visión por computadora profunda con convoluciones, Modelos de secuencia con RNN y LSTM, Modelli di cura, Aprendizaje generativo como Autoencoders y GAN, aprendizaje por refuerzoEl 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....}.
Aprender y trabajar en paralelo con este libro cambiará por completo su nivel de habilidad en el aprendizaje automático y el aprendizaje profundo en la práctica. Definitivamente deberías probarlo.
6. Deep Learning de Ian Goodfellow, Yoshua Bengio y Aaron Courville publicado por MIT Press
Permítanme aclarar algunos hechos, los autores de este libro incluyen a los pioneros del aprendizaje profundo, Yoshua Bengio, uno de los tres padrinos del aprendizaje profundo, Ian Goodfellow popular de esta creación de Redes generativas adversarias (GAN).
Este libro es una leyenda entre todos los libros sobre aprendizaje profundo. El libro no solo habla sobre los conceptos de aprendizaje profundo, sino que primero muestra sus conocimientos y conceptos de matemáticas aplicadas (algebra lineare, teoría de la probabilidad y la información, cálculos numéricos) y conceptos básicos del aprendizaje automático en términos de matemáticas (los componentes básicos más bajos de la inteligencia artificial). ).
Una vez que haya pasado por la Parte 1, entonces viene Parte 2 – estudio detallado sobre aprendizaje profundo: prácticas modernas (Red Deep Feedforward, regolarizzazione, Ottimizzazione, Redes convolucionales, Modelado de Secuencia, Applicazioni).
Después de profundizar realmente en todos estos conceptos y crear una lógica e intuición incondicionales sobre el aprendizaje profundo, llega Parte 3 (Investigación de aprendizaje profundo) que incluye algunos de los temas más populares de investigación en aprendizaje profundo como (PCA probabilístico y análisis factorial, Encoder automatici, modelos probabilísticos estructurados para aprendizaje profundo, métodos Monte Carlo, modelos generativos profundos y todo eso).
No recomendaría este libro a todo el mundo, sino a aquellos que se centran especialmente en el aprendizaje profundo y están dispuestos a trabajar muy duro en todas las matemáticas y no desviarse del aprendizaje profundo.
7. Aprendizaje profundo para programadores con fastai y PyTorch por Jeremy Howard y Sylvain Gugger publicado por O`Reilley
Salvando lo mejor recurso de paquete completo para el final. Este libro se encuentra definitivamente entre mis 3 libros favoritos, absolutamente hermoso no solo en términos de aprendizaje profundo, sino también en todos los demás factores muy importantes relacionados con el aprendizaje profundo en la práctica, Che cosa Del modelo a la producción, la ética de los datos y su viaje de aprendizaje profundo (un mapa a seguir). Estas tres cosas son realmente muy importantes si espera convertirse en un ingeniero de aprendizaje profundo o en algo remotamente similar en la práctica.
Respaldado por todo el sitio web fast.ai para enseñar a las personas el aprendizaje profundo desde cero de forma gratuita con tutoriales en video completos, Labs en el entorno de aprendizaje profundo de paperspace, introducción a una biblioteca muy poderosa para el aprendizaje profundo en PyTorch ie fastai. El libro es lo suficientemente detallado con tanto contenido práctico que definitivamente aprenderá algo nuevo después de cada lectura.
Permítanme darles una idea de lo que verán dentro de este libro {las aplicaciones de fastai que incluyen Classificazione delle immagini, entrenamiento de modelos de última generación, análisis profundo de filtrado colaborativo, modelado tabular, análisis profundo de PNL, luego viene más allá Modelo de lenguaje desde cero, arquitectura CNN como ResNets y todas las demás arquitecturas esenciales de aprendizaje profundo desde cero} Recomiendo esto a las personas interesadas en el aprendizaje profundo.
Questo è tutto per questo articolo., espero que ahora pierda menos tiempo deambulando y confundiéndose y comience con cualquiera de los libros que más le encantó. Continua a crescere, mis compañeros miembros de la comunidad de IA.
Gargeya Sharma
B. Tecnología Informática 3er año
Specializzato in data science e deep learning
Data Scientist Intern presso Upswing Cognitive Hospitality Solutions
Per maggiori informazioni, controlla la mia home page di github
fotografato da Jakob Boman su Unsplash
Il supporto mostrato in questo articolo non è di proprietà di DataPeaker e viene utilizzato a discrezione dell'autore.