Книги / Компьютерная литература / Разработка ПО / Общие вопросы разработки и тестирования программного обеспечения

Глубокое обучение с fastai и PyTorch. Минимум формул, минимум кода, максимум эффективности

Ховард Джереми, Сильвейн Гуггер

Код товара: 4884242

(0 оценок)Оценить

ОтзывНаписать отзыв

ВопросЗадать вопрос

1 / 7

PDF

1 / 7

Нет в наличии

Доставим в

г. Москва

Курьером

бесплатно от 10 000 ₽

В пункт выдачи

от 155 ₽

бесплатно от 10 000 ₽

Точная стоимость доставки рассчитывается при оформлении заказа

Издательство:

Питер

Оригинальное название:

Deep Learning for Coders with fastai and PyTorch

Год издания:

Серия:

Бестселлеры O`Reilly

Переводчик:

Брайт Д. И.

Отмечено тегами

O`Reilly

Описание

Характеристики

Обычно на глубокое обучение смотрят с ужасом, считая, что только доктор математических наук или ботан, работающий в крутой айтишной корпорации, могут разобраться в этой теме. Отбросьте стереотипы: любой программист, знакомый с Python, может добиться впечатляющих результатов. Как? С помощью fastai - библиотеки, предоставляющей комфортный интерфейс для решения наиболее популярных задач.

Создатели fastai доказали, что самые модные и актуальные приложения можно делать быстро и не засыпать над скучными теоретическими выкладками и зубодробительными формулами.

количество томов

количество страниц

624 стр.

переплет

Мягкая обложка

размеры

233x170x30 мм

цвет

Белый

тип бумаги

офсетная (60-220 г/м2)

ISBN

978-5-4461-1475-7

возрастная категория

16+

вес

984 г

код в Майшоп

4884242

язык

русский

Содержание

Отзывы о книге
Введение
Предисловие
ЧАСТЬ I
ГЛУБОКОЕ ОБУЧЕНИЕ НА ПРАКТИКЕ
Глава 1. Путешествие в мир глубокого обучения
Глава 2. От модели к продакшену
Глава 3. Этика данных
ЧАСТЬ II
ПОНИМАНИЕ ПРИЛОЖЕНИЙ НА БАЗЕ FASTAI
Глава 4. Обучение классификатора цифр: взгляд
изнутри
Глава 5. Классификация изображений
Глава б. Другие задачи компьютерного зрения
Глава 7. Обучение современной модели
Глава 8. Коллаборативная фильтрация
Глава 9. Табличное моделирование
Глава 10. Погружение в NLP: рекуррентные
нейронные сети
Глава 11. Преобразование данных с помощью Mid-
Level API
ЧАСТЬ III
ОСНОВЫ ГЛУБОКОГО ОБУЧЕНИЯ
Глава 12. Языковая модель с нуля
Глава 13. Сверточные нейронные сети
Глава 14. ResNet
Глава 15. Архитектуры приложений
Глава 16. Процесс обучения
ЧАСТЬ IV
ГЛУБОКОЕ ОБУЧЕНИЕ С ЧИСТОГО ЛИСТА
Глава 17. Продвинутые основы нейронной сети
Глава 18. Интерпретация CNN с помощью САМ
Глава 19. Класс Learner с нуля
Глава 20. Подведем итог
ПРИЛОЖЕНИЯ
Приложение А. Создание блога
Приложение Б. Схема подготовки проекта по
аналитике данных
Об авторах
Благодарности
Об обложке

Отзывы

Вопросы

Поделитесь своим мнением об этом товаре с другими покупателями — будьте первыми!

Дарим бонусы за отзывы!

За какие отзывы можно получить бонусы?

За уникальные, информативные отзывы, прошедшие модерацию

Как получить больше бонусов за отзыв?

Публикуйте фото или видео к отзыву
Пишите отзывы на товары с меткой "Бонусы за отзыв"

Правила начисления бонусов

Задайте вопрос, чтобы узнать больше о товаре

Если вы обнаружили ошибку в описании товара «Глубокое обучение с fastai и PyTorch. Минимум формул, минимум кода, максимум эффективности» (авторы: Ховард Джереми, Сильвейн Гуггер), то выделите её мышкой и нажмите Ctrl+Enter. Спасибо, что помогаете нам стать лучше!