What do you think?
Rate this book
Deep Learning with Python
Deep learning is applicable to a widening range of artificial intelligence problems, such as image classification, speech recognition, text classification, question answering, text-to-speech, and optical character recognition. It is the technology behind photo tagging systems at Facebook and Google, self-driving cars, speech recognition systems on your smartphone, and much more.
In particular, Deep learning excels at solving machine perception problems: understanding the content of image data, video data, or sound data. Here's a simple example: say you have a large collection of images, and that you want tags associated with each image, for example, "dog," "cat," etc. Deep learning can allow you to create a system that understands how to map such tags to images, learning only from examples. This system can then be applied to new images, automating the task of photo tagging. A deep learning model only has to be fed examples of a task to start generating useful results on new data.
In particular, Deep learning excels at solving machine perception problems: understanding the content of image data, video data, or sound data. Here's a simple example: say you have a large collection of images, and that you want tags associated with each image, for example, "dog," "cat," etc. Deep learning can allow you to create a system that understands how to map such tags to images, learning only from examples. This system can then be applied to new images, automating the task of photo tagging. A deep learning model only has to be fed examples of a task to start generating useful results on new data.
350 pages, Paperback
First published November 30, 2017
About the author
François Chollet
21 books133 followersFrançois Chollet is a French engineer and researcher in artificial intelligence.
Ratings & Reviews
Friends & Following
Create a free account to discover what your friends think of this book!
Community Reviews
Displaying 1 - 2 of 2 reviews
April 21, 2023
Невероятное время технологических прорывов не оставляет пространства для размышления о наиболее ресурсных вещах: творчестве и вдохновении. И вот мне попадается книга, в которой лаконичным и поэтичным языком рассказывают о происходящей в последнее десятилетие революции в подходах к машинному обучению. Простые аналогии превращают изучение узкоспециализированной темы в удовольствие, когда по заголовку вы ожидаете нечто вроде академического сухаря, а получаете вкусную пышку.
Франсуа Шолле, автор библиотеки Keras для нейронных сеток, объясняет на пальцах, как с нуля разработать реалистичную модель для машинного обучения, уделяя больше внимания прагматике, а не теории. Практическая часть книжки в форме блокнота с задачами, в котором можно поупражняться в решении разных задач глубокого обучения в TensorFlow, дополняет и иллюстрирует все сказанное в книге, но и без того все интуитивно понятно. Удобные блоки с листингом питоновского кода с комментариями проясняют суть выполняемых программой операций.
В общем, автор ценит ваше время и срезает путь к освоению перспективной области человеческой деятельности — data science и data analysis. И если вы молоды и дерзки, то в плодотворном союзе с книжкой, вы сможете поскладывать кубики и получить свой первый опыт в создании и тестировании моделей глубокого обучения.
Франсуа Шолле, автор библиотеки Keras для нейронных сеток, объясняет на пальцах, как с нуля разработать реалистичную модель для машинного обучения, уделяя больше внимания прагматике, а не теории. Практическая часть книжки в форме блокнота с задачами, в котором можно поупражняться в решении разных задач глубокого обучения в TensorFlow, дополняет и иллюстрирует все сказанное в книге, но и без того все интуитивно понятно. Удобные блоки с листингом питоновского кода с комментариями проясняют суть выполняемых программой операций.
В общем, автор ценит ваше время и срезает путь к освоению перспективной области человеческой деятельности — data science и data analysis. И если вы молоды и дерзки, то в плодотворном союзе с книжкой, вы сможете поскладывать кубики и получить свой первый опыт в создании и тестировании моделей глубокого обучения.
March 24, 2019
Формат: Книга Язык: Русский
Хорошо и грамотно составленная книга по машинному обучению. Не дает совсем глубокой и математечески обоснованной базы, но знакомит с многими терминами грубоких нейронных сетей и фреймворком Keras, создателем которого и является автор.
Книга обладает форматом, который я люблю, и который хотел бы видеть в большинстве обучающей литературы - подведением итогов главы и части, с повторением основных мыслей (опорных камней). Значительно лучше для усвоения материала.
К перечтению - да, при необходимости.
Хорошо и грамотно составленная книга по машинному обучению. Не дает совсем глубокой и математечески обоснованной базы, но знакомит с многими терминами грубоких нейронных сетей и фреймворком Keras, создателем которого и является автор.
Книга обладает форматом, который я люблю, и который хотел бы видеть в большинстве обучающей литературы - подведением итогов главы и части, с повторением основных мыслей (опорных камней). Значительно лучше для усвоения материала.
К перечтению - да, при необходимости.
This entire review has been hidden because of spoilers.
Displaying 1 - 2 of 2 reviews