Este artigo foi publicado como parte do Data Science Blogathon
“Algunas cosas nunca cambian, su esencia y aportes siguen siendo los mismos hasta la fecha”.
Introdução
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 mediro "medir" É um conceito fundamental em várias disciplinas, que se refere ao processo de quantificação de características ou magnitudes de objetos, Fenômenos ou situações. Na matemática, Usado para determinar comprimentos, Áreas e volumes, enquanto nas ciências sociais pode se referir à avaliação de variáveis qualitativas e quantitativas. A precisão da medição é crucial para obter resultados confiáveis e válidos em qualquer pesquisa ou aplicação prática.... do texto, 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 aprendizado profundoAqui está o caminho de aprendizado para dominar o aprendizado profundo em, Uma subdisciplina da inteligência artificial, depende de redes neurais artificiais para analisar e processar grandes volumes de dados. Essa técnica permite que as máquinas aprendam padrões e executem tarefas complexas, como reconhecimento de fala e visão computacional. Sua capacidade de melhorar continuamente à medida que mais dados são fornecidos a ele o torna uma ferramenta fundamental em vários setores, da saúde... de estos editores de élite. Por muito 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: formigas, inteligencia de enjambre: partículas, aprendizado de máquina, redes neurais artificiais, 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, Digamos “procurar”, 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. Aprendizado profundo em 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 “Aprendizagem profunda com 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
El libro está dividido en 2 partes: Primeiro (Fundamentos de aprendizagem profunda) donde aprenderá sobre los conceptos de alto nivel y más cruciales del aprendizaje profundo.
Segundo (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 Aprendizagem profunda com PyTorch
Ya les dije lo popular que es este libro, veamos su contenido. El libro se divide en 3 partes:
Papel 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, na minha opinião, agrega mucha perspectiva para el alumno.
Papel 3 (Desdobramento, desenvolvimento) 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 neuronal vermelhoAs redes neurais são modelos computacionais inspirados no funcionamento do cérebro humano. Eles usam estruturas conhecidas como neurônios artificiais para processar e aprender com os dados. Essas redes são fundamentais no campo da inteligência artificial, permitindo avanços significativos em tarefas como reconhecimento de imagem, Processamento de linguagem natural e previsão de séries temporais, entre outros. Su capacidad para aprender patrones complejos las hace herramientas poderosas..., descenso de gradienteGradiente é um termo usado em vários campos, como matemática e ciência da computação, descrever uma variação contínua de valores. Na matemática, refere-se à taxa de variação de uma função, enquanto em design gráfico, Aplica-se à transição de cores. Esse conceito é essencial para entender fenômenos como otimização em algoritmos e representação visual de dados, permitiendo una mejor interpretación y análisis en... em detalhe, visualización de redes neuronales, retropropagación y concepto de aprendizaje, procesamiento por lotes y regularizaçãoA regularização é um processo administrativo que busca formalizar a situação de pessoas ou entidades que atuam fora do marco legal. Esse procedimento é essencial para garantir direitos e deveres, bem como promover a inclusão social e econômica. Em muitos países, A regularização é aplicada em contextos migratórios, Trabalhista e Tributário, permitiendo a quienes se encuentran en situaciones irregulares acceder a beneficios y protegerse de posibles sanciones...., Redes recurrentes para datos de texto, LSTM y, por último, aprendizaje federado }. Créame, 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, aprendizado de máquina e aprendizado profundo. 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.
Pessoalmente, 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 TreinamentoO treinamento é um processo sistemático projetado para melhorar as habilidades, Conhecimento ou habilidades físicas. É aplicado em várias áreas, como esporte, Educação e desenvolvimento profissional. Um programa de treinamento eficaz inclui planejamento de metas, prática regular e avaliação do progresso. A adaptação às necessidades individuais e a motivação são fatores-chave para alcançar resultados bem-sucedidos e sustentáveis em qualquer disciplina.... con Tensorflow, Visión por computadora profunda con convoluciones, Modelos de secuencia con RNN y LSTM, Modelos de atención, Aprendizaje generativo como Autoencoders y GAN, aprendizaje por refuerzoO aprendizado por reforço é uma técnica de inteligência artificial que permite que um agente aprenda a tomar decisões interagindo com um ambiente. Por meio de feedback na forma de recompensas ou punições, O agente otimiza seu comportamento para maximizar as recompensas acumuladas. Essa abordagem é usada em uma variedade de aplicações, De videogames a robótica e sistemas de recomendação, destacando-se por sua capacidade de aprender estratégias complexas....}.
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 (álgebra Linear, 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 Papel 2 – estudio detallado sobre aprendizaje profundo: prácticas modernas (Red Deep Feedforward, Regularização, Optimización, Redes convolucionales, Modelado de Secuencia, Formulários).
Después de profundizar realmente en todos estos conceptos y crear una lógica e intuición incondicionales sobre el aprendizaje profundo, llega Papel 3 (Investigación de aprendizaje profundo) que incluye algunos de los temas más populares de investigación en aprendizaje profundo como (PCA probabilístico y análisis factorial, O desempenho é exibido como gráficos de dispersão e caixa, 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, O que 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 Classificação de imagem, 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.
Isso é tudo para este artigo, espero que ahora pierda menos tiempo deambulando y confundiéndose y comience con cualquiera de los libros que más le encantó. Segue crescendo, mis compañeros miembros de la comunidad de IA.
Gargeya Sharma
B. Tecnología Informática 3er año
Especializado em ciência de dados e aprendizado profundo
Estagiário de cientistas de dados na Upswing Cognitive Hospitality Solutions
Para maiores informações, verifique minha página inicial do github
foto por Jakob Boman sobre Unsplash
A mídia mostrada neste artigo não é propriedade da DataPeaker e é usada a critério do autor.
