Este artigo foi publicado como parte do Data Science Blogathon
"Algumas coisas nunca mudam, sua essência e contribuições permanecem as mesmas até hoje".
Introdução
Através desta linha, estou apontando a contribuição milenar dos livros na educação das pessoas; até hoje, dependemos en gran medida del texto, Artigos e livros.
Eu sempre fui um tipo de pessoa que faz uma aula em vídeo, parecem menos chatos ao ponto, Mas minha opinião mudou drasticamente quando descobri esses livros 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... desses editores de elite. Por muito tempo, Eu achava que os livros não eram uma boa opção para estudar conceitos matemáticos e de ciência da computação tão complexos, Mas estou feliz que esses livros provem que estou errado.
Os livros mencionados aqui são alguns de todos os; O que aconteceu. Eles são minha opinião honesta, com o melhor do meu conhecimento e compreensão, e alguns livros especiais mencionados aqui estão entre os melhores livros da indústria publicados sobre aprendizado profundo que até o Google e o Facebook os recomendam. Você os conhecerá assim que ler o artigo.
Este livro trata desde a IA clássica que lida com algoritmos de pesquisa, Pesquisa inteligente e outras coisas assim, para uma parte mais evolutiva da IA que inclui o aprendizado de máquina popularizado do século XXI, Aprendizado profundo e aprendizado Q de reforço.
O currículo inclui esses tópicos em sequência { Intuição de inteligência artificial, Noções básicas de pesquisa, Pesquisa avançada, Algoritmos evolutivos, Inteligência de Enxame: formigas, Inteligência de Enxame: Partículas, aprendizado de máquina, redes neurais artificiais, reforço com Q-Learning}. Você aprenderá e estabelecerá a base de como e por meio de quais processos a IA de hoje evoluiu.
Eu recomendo este livro para aqueles que estão se aprofundando na IA pela primeira vez e são apaixonados por aprender sobre a evolução da IA, todos os seus aspectos centrais e não apenas alguns algoritmos famosos de aprendizado de máquina ou aprendizado profundo.
2. Aprendizado profundo do zero: Construindo com Python a partir dos Primeiros Princípios por Seth Weidman publicado pela O'Reilley
O livro segue literalmente o conceito mencionado em seu nome, O que é construir a partir dos primeiros princípios. O autor menciona claramente neste livro que quando aprendemos qualquer conceito de ciência da computação, Digamos “procurar”, em seguida, para explicar este conceito.
Os elementos mais cruciais para explicá-lo adequadamente seriam
- Uma explicação do algoritmo em inglês simples para tornar o glossário menos confuso,
- Representação visual de como esse algoritmo funciona para que o leitor possa facilmente imaginar o conceito com mais compreensão.
- Uma explicação matemática de “Por que os algoritmos funcionam”, e
- Implementação de pseudocódigo de algoritmo.
Este livro faz o possível para cumprir todas as funções mencionadas acima para qualquer pessoa com pouca experiência e consistência no aprendizado de aprendizado profundo. Este livro não tão grosso é bastante surpreendente.
3. Aprendizado profundo em Python / Pytorch por Manning Publications
Esses livros em particular são tão populares e incríveis que o Pytorch recomenda a versão PyTorch deste livro nas referências de leitura em seu site oficial e até fez o “Aprendizagem profunda com Pytorch” está disponível para todos gratuitamente.
Eles são definitivamente os livros preferidos para começar com o aprendizado profundo e também alguns práticos. Vamos ver em que consiste toda a capa em seu conteúdo:
3.1 Aprendizado profundo com Python
O livro é dividido em 2 partes: Primeiro (Fundamentos de aprendizagem profunda) onde você aprenderá sobre os conceitos de alto nível e mais cruciais de aprendizado profundo.
Segundo (Deep Learning na prática) Onde o livro cobre Aprendizado profundo para visão computacional, Texto e sequências, Prática Avançada de Deep Learning, Aprendizado profundo generativo.
3.2 Aprendizagem profunda com PyTorch
Eu já disse o quão popular este livro é, Vamos ver seu conteúdo. O livro é dividido em 3 partes:
Papel 1 (Núcleo PyTorch) onde você aprenderá sobre Introdução ao Aprendizado Profundo e PyTorch como uma biblioteca, Modelos pré-treinados, Tensionadores e suas aplicações e muito mais.
Então vem a parte 2 (Aprendendo com imagens no mundo real) abrange um exemplo da vida real de detecção precoce do câncer de pulmão e seu pleno desenvolvimento em detalhes que, na minha opinião, Acrescenta muita perspectiva para o aluno.
Papel 3 (Desdobramento, desenvolvimento) fala sobre a última etapa do desenvolvimento de qualquer aplicativo de aprendizado de máquina pela primeira vez, que é permitir que outras pessoas usem seu modelo e tenham seu modelo vivo no mundo real.
4. Grokking Deep Learning por Andrew W. Trask publicado pela Manning Publications
Se você quiser acreditar na minha palavra e me perguntar “Gargeya, Por onde você acha que eu deveria começar?” Eu fecharia meus olhos e apontaria para este livro. Um livro fantástico sobre aprendizado profundo que até me faz sentir por que não comecei com isso.
Este livro cobre a maioria dos tópicos que você precisa para sujar as mãos com o aprendizado profundo e percorrer uma ladeira exponencial positiva em direção ao conhecimento e à intuição.
Aqui está um breve resumo do que você aprenderá: {Introdução ao aprendizado profundo e por que você deve, Conceitos fundamentais, Introdução ao 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. Sua capacidade de aprender padrões complexos os torna ferramentas poderosas..., Diminuição 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, permitindo melhor interpretação e análise em ... em detalhe, Visualização de rede neural, Retropropagação e Conceito de Aprendizagem, processamento em lote e 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, permitindo que aqueles que estão em situação irregular tenham acesso a benefícios e se protejam de possíveis sanções...., Redes recorrentes para dados de texto, LSTM e, por último, Aprendizagem Federada }. Créame, Se isso não for suficiente para você começar, A maioria das coisas não são.
5. Aprendizado de máquina prático com Scikit-learn Keras e TensorFlow por Aurelion Geron publicado pela O'Reilley
Depois de terminar com as estatísticas básicas, aprendizado de máquina e aprendizado profundo. Agora você quer melhorar seu jogo com implementações práticas e criar um modelo completo de aprendizado profundo no TensorFlow. Este é o livro que não só eu, mas também o Tensorflow sugere.
Pessoalmente, Eu acompanho este livro constantemente e em termos de aprendizado profundo com o TensorFlow, Este é o meu melhor livro. A maneira como o autor explicou os conceitos é excepcionalmente fácil e intuitiva. Isso me fazia sentir mais poderoso toda vez que terminava uma determinada seção.
O livro é um tesouro de conhecimento com mais de 800 Páginas de tópicos: {Fundamentos, Projeto de aprendizado de máquina de ponta a ponta, Algoritmos e técnicas de aprendizado de máquina mais comuns detalhados, Rede neural com Keras, Modelos personalizados e 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.... com Tensorflow, Visão computacional profunda com convoluções, Modelos de sequência com RNN e LSTM, Modelos de atendimento, Aprendizado generativo, como Autoencoders e GANs, Aprendizado por reforçoO 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 e trabalhar em paralelo com este livro mudará completamente seu nível de habilidade em aprendizado de máquina e aprendizado profundo na prática. Você definitivamente deveria tentar.
6. Aprendizado profundo por Ian Goodfellow, Yoshua Bengio e Aaron Courville publicado pela MIT Press
Deixe-me esclarecer alguns fatos, Os autores deste livro incluem os pioneiros do aprendizado profundo, Yoshua Bengio, Um dos três padrinhos do aprendizado profundo, Ian Goodfellow popular desta criação de Generative Adversarial Networks (GAN).
Este livro é uma lenda entre todos os livros sobre aprendizado profundo. O livro não fala apenas sobre conceitos de aprendizado profundo, mas primeiro mostra seus conhecimentos e conceitos de matemática aplicada (álgebra Linear, Teoria da Probabilidade e da Informação, Cálculos numéricos) e conceitos básicos de aprendizado de máquina em termos de matemática (Os blocos de construção mais baixos da inteligência artificial). ).
Depois de passar pela Parte 1, Então vem Papel 2 – Estudo detalhado de aprendizado profundo: Práticas modernas (Rede Deep Feedforward, Regularização, Otimização, Redes convolucionais, Modelagem de sequência, Formulários).
Depois de realmente se aprofundar em todos esses conceitos e criar lógica incondicional e intuição sobre aprendizado profundo, Vem Papel 3 (Pesquisa de Aprendizado Profundo) que inclui alguns dos tópicos de pesquisa de aprendizado profundo mais populares, como (PCA probabilística e análise fatorial, O desempenho é exibido como gráficos de dispersão e caixa, Modelos probabilísticos estruturados para aprendizado profundo, Métodos de Monte Carlo, modelos generativos profundos e tudo o que).
Eu não recomendaria este livro a todos, mas para aqueles que estão especialmente focados em aprendizado profundo e estão dispostos a trabalhar toda a matemática e não se desviar do aprendizado profundo.
7. Deep Learning para programadores com Fastai e PyTorch por Jeremy Howard e Sylvain Gugger publicado pela O'Reilley
Salvando o melhor Recurso de pacote completo para o fim. Este livro está definitivamente entre os meus 3 Livros favoritos, Absolutamente lindo não apenas em termos de aprendizado profundo, mas também em todos os outros fatores muito importantes relacionados ao aprendizado profundo na prática, O que Do modelo à produção, Ética de dados e sua jornada de aprendizado profundo (Um mapa a seguir). Essas três coisas são realmente muito importantes se você espera se tornar um engenheiro de aprendizado profundo ou algo remotamente semelhante na prática.
Apoiado por todo o site fast.ai para ensinar às pessoas aprendizado profundo do zero gratuitamente com tutoriais em vídeo abrangentes, Laboratórios no ambiente de deep learning do espaço de papel, Introdução a uma biblioteca muito poderosa para aprendizado profundo em PyTorch, ou seja, Fastai. O livro é detalhado o suficiente com tanto conteúdo prático que você definitivamente aprenderá algo novo após cada leitura.
Deixe-me dar uma ideia do que você verá dentro deste livro {Aplicativos Fastai que incluem Classificação de imagem, Treinamento de modelo de última geração, Análise profunda da filtragem colaborativa, Modelagem tabular, Análise profunda de PNL, Então vem além Modelo de linguagem do zero, Arquitetura CNN como ResNets e todas as outras arquiteturas essenciais de aprendizado profundo desde o início} Eu recomendo isso para pessoas interessadas em aprendizado profundo.
Isso é tudo para este artigo, Espero que agora você perca menos tempo vagando e se confundindo e comece com qualquer um dos livros que você mais amou. Segue crescendo, meus colegas membros da comunidade de IA.
Gargeya Sharma
B. 3º ano de Tecnologia da Informação
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.
