Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati
Alcune cose non cambiano mai, la loro essenza e il loro contributo rimangono gli stessi fino ad oggi.
introduzione
Attraverso questa frase sto indicando il contributo millenario dei libri nell'educazione delle persone; anche fino ad oggi, dipendiamo in gran parte dal testo, dagli articoli e dai libri.
Sono sempre stato un tipo di persona che tiene conferenze in video, sembrano meno noiose al punto che, ma la mia opinione è cambiata drasticamente una volta che ho scoperto questi libri su 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... di questi editori d'élite. Per molto tempo, pensavo che i libri non fossero una buona opzione per studiare concetti matematici e informatici così complessi, ma sono felice che questi libri dimostrino che mi sbagliavo.
I libri menzionati qui sono alcuni di tutti; que he pasado. Son mi opinión honesta, según mi leal saber y entender, y algunos libros speċjali que se menzionan qui se trovano tra i migliori libri dell'industria pubblicata su apprendimento profondo che anche 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 occupa 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, ricerca avanzata, algoritmi evolutivi, intelligenza degli sciami: formiche, intelligenza degli sciami: particelle, apprendimento automatico, reti neurali artificiali, rinforzo con Q-Learning}. Imparerà e stabilirà le basi di come e attraverso quali processi si è evoluta l'IA di oggi.
Consiglio questo libro a chi si sta avvicinando per la prima volta all'IA e ha la passione di conoscerne l'evoluzione, tutti i suoi aspetti centrali e non solo alcuni algoritmi famosi di apprendimento automatico o deep learning.
2. Deep Learning From Scratch: Costruire con Python dai primi principi di Seth Weidman pubblicato da O'Reilly
Il libro segue letteralmente il concetto menzionato nel suo nome, che è Costruire dai primi principi. L'autore menziona chiaramente in questo libro che quando impariamo qualsiasi concetto di informatica, Diciamo “Cercare”, poi per spiegare detto concetto.
Gli elementi più cruciali per spiegarlo adeguatamente sarebbero
- Una spiegazione dell'algoritmo in inglese semplice affinché il glossario diventi un fattore meno confuso,
- Rappresentazione visiva del funzionamento di quell'algoritmo affinché il lettore possa immaginare facilmente il concetto con maggiore comprensione.
- Una spiegazione matematica del “perché funzionano gli algoritmi”, e
- Implementazione del pseudocodice dell'algoritmo.
Questo libro fa del suo meglio per adempiere a tutti i ruoli sopra menzionati per chiunque abbia poca esperienza e consistenza per imparare l'apprendimento profondo. Questo libro non troppo spesso è piuttosto sorprendente.
3. Apprendimento profondo in Python / Pytorch di Manning Publications
Questi libri in particolare sono così popolari e sorprendenti che Pytorch consiglia la versione PyTorch di questo libro nelle referenze di lettura sul suo sito ufficiale e ne ha persino reso la “Apprendimento profondo con Pytorch” disponibilità gratuita per tutti.
Sono sicuramente i libri preferiti per iniziare con il deep learning e anche alcuni pratici. Vediamo in cosa consiste tutta la copertina nel suo contenuto:
3.1 Deep Learning con Python
Il libro è diviso in 2 parti: Primo (Fondamenti di deep learning) dove imparerai i concetti di alto livello e più cruciali del deep learning.
Secondo (deep learning nella pratica) dove il libro tratta deep learning per la visione artificiale, testo e sequenze, pratica avanzata di deep learning, apprendimento profondo generativo.
3.2 Apprendimento profondo con PyTorch
Vi ho già detto quanto sia popolare questo libro, vediamo il suo contenuto. Il libro è diviso in 3 parti:
Parte 1 (Core PyTorch) dove imparerai l'Introduzione al deep learning e PyTorch come libreria, modelli preaddestrati, tensori e le loro applicazioni e altro ancora.
Poi viene la Parte 2 (Apprendere dalle immagini nel mondo reale) copre un esempio reale di rilevamento precoce del cancro ai polmoni e il suo sviluppo completo in dettaglio che, secondo me, aggiunge molta prospettiva per lo studente.
Parte 3 (Distribuzione) parla dell'ultimo passo nello sviluppo di qualsiasi applicazione di machine learning per la prima volta, che è permettere agli altri di usare il tuo modello e far vivere il tuo modello nel mondo reale.
4. Grokking Deep Learning di Andrew W. Trask pubblicato da Manning Publications
Se vuoi credere alla mia parola e mi chiedi “Gargeya, da dove pensi che dovrei iniziare?” Chiuderei gli occhi e ti segnalerò questo libro. Un libro fantastico sull'apprendimento profondo che mi fa persino chiedere perché non ho iniziato con questo.
Questo libro copre la maggior parte degli argomenti di cui avrei bisogno per sporcarti le mani con l'apprendimento profondo e percorrere una curva esponenziale positiva verso conoscenza e intuizione.
Questa è una breve sintesi di ciò che imparerai: {Introduzione all'apprendimento profondo e perché dovresti farlo, Concetti fondamentali, 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. La loro capacità di apprendere schemi complessi li rende strumenti potenti..., 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, consentendo una migliore interpretazione e analisi in... in dettaglio, visualizzazione di reti neurali, retropropagazione e concetto di apprendimento, elaborazione per batch e 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, consentendo a chi si trova in situazioni irregolari di accedere a benefici e proteggersi da possibili sanzioni..., Reti ricorrenti per dati testuali, LSTM e, finalmente, apprendimento federato }. crema, se questo non è sufficiente per iniziare, la maggior parte delle cose non lo è.
5. Apprendimento automatico pratico con Scikit-learn, Keras e TensorFlow di Aurelion Geron pubblicato da O'Reilley
Una volta che hai completato le statistiche di base, machine learning e deep learning. Ora vuoi migliorare le tue capacità con implementazioni pratiche e creare un modello di apprendimento profondo completo in TensorFlow. Questo è il libro che non solo io, anche TensorFlow lo consiglia.
Personalmente, seguo questo libro costantemente e in termini di deep learning con TensorFlow, questo è il mio libro preferito. Il modo in cui l'autore ha spiegato i concetti è eccezionalmente facile e intuitivo. Mi faceva sentire più potente ogni volta che finivo una determinata sezione.
Il libro è un tesoro di conoscenza con più di 800 pagine su argomenti: {Fondamenti, Progetto di machine learning end-to-end, Algoritmi e tecniche di machine learning più comuni dettagliati, Reti neurali con Keras, Modelli personalizzati e 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, Visione artificiale profonda con convoluzioni, Modelli di sequenza con RNN e LSTM, Modelli di cura, Apprendimento generativo come Autoencoder e GAN, Apprendimento per rinforzoL'apprendimento per rinforzo è una tecnica di intelligenza artificiale che consente a un agente di imparare a prendere decisioni interagendo con un ambiente. Attraverso il feedback sotto forma di premi o punizioni, L'agente ottimizza il proprio comportamento per massimizzare le ricompense accumulate. Questo approccio viene utilizzato in una varietà di applicazioni, Dai videogiochi alla robotica e ai sistemi di raccomandazione, distinguendosi per la sua capacità di apprendere strategie complesse....}.
Aprender y trabajar en parallelo con este libro cambiará por completo su livello 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 pubblicato por MIT Press
Permítanme aclarar algunos hechos, gli autori di questo libro includono a los pioneros del aprendizaje profundo, Yoshua Bengio, uno de los tres padrinos del aprendizaje profundo, Ian Goodfellow popolare di questa creazione 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, fino a mostrare prima le sue conoscenze e concetti di matematica applicata (algebra lineare, teoria della probabilità e dell'informazione, calcoli numerici) e concetti di base dell'apprendimento automatico in termini matematici (i componenti di base più elementari dell'intelligenza artificiale). ).
Una volta passata la Parte 1, arriva poi Parte 2 – studio dettagliato sull'apprendimento profondo: pratiche moderne (Rete Deep Feedforward, regolarizzazione, Ottimizzazione, Reti Convoluzionali, Modellazione di Sequenza, Applicazioni).
Dopo aver approfondito davvero tutti questi concetti e aver creato una logica e un'intuizione incondizionate sull'apprendimento profondo, arriva Parte 3 (Ricerca sull'apprendimento profondo) che include alcuni dei temi di ricerca più popolari nell'apprendimento profondo come (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 learning profundo y están disposti a trabajar muy duro en todas las matematics y no desviarse del aprendizaje profundo.
7. Aprendizaje profundo para programadores con fastai y PyTorch por Jeremy Howard y Sylvain Gugger pubblicato 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, così come in tutti gli altri fattori molto importanti legati al deep learning nella pratica, Che cosa Dal modello alla produzione, l'etica dei dati e il suo percorso di deep learning (una mappa da seguire). Queste tre cose sono davvero molto importanti se speri di diventare un ingegnere di deep learning o qualcosa di simile nella pratica.
Supportato da tutto il sito web fast.ai per insegnare alle persone il deep learning da zero gratuitamente con tutorial video completi, Labs nell'ambiente di deep learning di Paperspace, introduzione a una libreria molto potente per il deep learning in PyTorch, cioè fastai. Il libro è sufficientemente dettagliato e ricco di contenuti pratici, quindi imparerai sicuramente qualcosa di nuovo dopo ogni lettura.
Permettetemi di darvi un'idea di ciò che troverete all'interno di questo libro {le applicazioni di fastai includono Classificazione delle immagini, addestramento di modelli all'avanguardia, analisi approfondita di filtraggio collaborativo, modellazione tabellare, analisi approfondita di NLP, poi si va oltre Modello di linguaggio da zero, architettura CNN come ResNets e tutte le altre architetture essenziali di deep learning da zero} Consiglio questo alle persone interessate al deep learning.
Questo è tutto per questo articolo., spero che ora perderete meno tempo a vagare e confondervi e inizierete con uno qualsiasi dei libri che vi è piaciuto di più. 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.
