Pobierz fragment

Deep Learning. Receptury - ebook

Douwe Osinga

Wydawnictwo:

Helion

Tłumacz:

Piotr Rajca

Data wydania:

2 lipca 2019

Format ebooka:

PDF

czytaj

na laptopie

czytaj

na tablecie

Format e-booków, który możesz odczytywać na tablecie oraz laptopie. Pliki PDF są odczytywane również przez czytniki i smartfony, jednakze względu na komfort czytania i brak możliwości skalowania czcionki, czytanie plików PDF na tych urządzeniach może być męczące dla oczu. Więcej informacji znajdziesz w dziale Pomoc.

Multiformat

E-booki w Virtualo.pl dostępne są w opcji multiformatu. Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.

, EPUB

czytaj

na czytniku

czytaj

na tablecie

czytaj

na smartfonie

Jeden z najpopularniejszych formatów e-booków na świecie. Niezwykle wygodny i przyjazny czytelnikom - w przeciwieństwie do formatu PDF umożliwia skalowanie czcionki, dzięki czemu możliwe jest dopasowanie jej wielkości do kroju i rozmiarów ekranu. Więcej informacji znajdziesz w dziale Pomoc.

Multiformat

, MOBI

czytaj

na czytniku

czytaj

na tablecie

czytaj

na smartfonie

Jeden z najczęściej wybieranych formatów wśród czytelników e-booków. Możesz go odczytać na czytniku Kindle oraz na smartfonach i tabletach po zainstalowaniu specjalnej aplikacji. Więcej informacji znajdziesz w dziale Pomoc.

Multiformat

(3w1)

Multiformat

E-booki sprzedawane w księgarni Virtualo.pl dostępne są w opcji multiformatu - kupujesz treść, nie format. Po dodaniu e-booka do koszyka i dokonaniu płatności, e-book pojawi się na Twoim koncie w Mojej Bibliotece we wszystkich formatach dostępnych aktualnie dla danego tytułu. Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu przy okładce. Uwaga: audiobooki nie są objęte opcją multiformatu.

czytaj

na laptopie

Pliki PDF zabezpieczone watermarkiem możesz odczytać na dowolnym laptopie po zainstalowaniu czytnika dokumentów PDF. Najpowszechniejszym programem, który umożliwi odczytanie pliku PDF na laptopie, jest Adobe Reader. W zależności od potrzeb, możesz zainstalować również inny program - e-booki PDF pod względem sposobu odczytywania nie różnią niczym od powszechnie stosowanych dokumentów PDF, które odczytujemy każdego dnia.

Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.

czytaj

na tablecie

Aby odczytywać e-booki na swoim tablecie musisz zainstalować specjalną aplikację. W zależności od formatu e-booka oraz systemu operacyjnego, który jest zainstalowany na Twoim urządzeniu może to być np. Bluefire dla EPUBa lub aplikacja Kindle dla formatu MOBI.

Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.

czytaj

na czytniku

Czytanie na e-czytniku z ekranem e-ink jest bardzo wygodne i nie męczy wzroku. Pliki przystosowane do odczytywania na czytnikach to przede wszystkim EPUB (ten format możesz odczytać m.in. na czytnikach PocketBook) i MOBI (ten fromat możesz odczytać m.in. na czytnikach Kindle).

Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.

czytaj

na smartfonie

Aby odczytywać e-booki na swoim smartfonie musisz zainstalować specjalną aplikację. W zależności od formatu e-booka oraz systemu operacyjnego, który jest zainstalowany na Twoim urządzeniu może to być np. iBooks dla EPUBa lub aplikacja Kindle dla formatu MOBI.

Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale Pomoc.

Pobierz fragment

Deep Learning. Receptury - ebook

Pomysł, by komputery wykorzystywać do generowania inteligentnych rozwiązań, narodził się w zamierzchłych dla informatyki czasach, mniej więcej w połowie XX wieku. Bardzo długo jednak idea ta - z powodu ograniczeń technologicznych - nie mogła wyjść poza rozważania teoretyczne. Dziś osoby zainteresowane uczeniem głębokim są w komfortowej sytuacji: mogą korzystać z ogólnie dostępnych frameworków uczenia głębokiego, sięgać po ogromne zbiory danych, a ponadto wyniki tego rodzaju badań znalazły się w centrum zainteresowania biznesu. Okazuje się, że nawet bez szczególnego przygotowania teoretycznego można budować i udoskonalać potężne modele sieci neuronowych oraz uczenia głębokiego i wdrażać je w konkretnych sytuacjach.

Dzięki tej książce, nawet jeśli nie posiadasz zaawansowanej wiedzy o uczeniu głębokim (oryg. deep learning), zaczniesz szybko tworzyć rozwiązania z tego zakresu. Zamieszczone tu receptury pozwolą Ci sprawnie zaznajomić się z takimi zastosowaniami uczenia głębokiego jak klasyfikacja, generowanie tekstów, obrazów i muzyki. Cennym elementem książki są informacje o rozwiązywaniu problemów z sieciami neuronowymi - testowanie sieci wciąż jest trudnym zagadnieniem. Ponadto znalazły się w niej porady dotyczące pozyskiwania danych niezbędnych do trenowania sieci, a także receptury, dzięki którym łatwiej zacząć użytkować modele w środowiskach produkcyjnych.

Z tej książki dowiesz się, jak:

tworzyć użyteczne aplikacje, które docenią użytkownicy
obliczać podobieństwo tekstów
wizualizować wewnętrzny stan systemu sztucznej inteligencji
napisać usługę odwrotnego wyszukiwania obrazów za pomocą wyuczonych sieci
wykorzystać sieci GAN, autoenkodery i LSTM do generowania ikon
wykrywać style w utworach muzycznych

Uczenie głębokie - rzecz dla kreatywnych filozofów z myszą w dłoni!

Spis treści

Wstęp 7

1. Narzędzia i techniki 15

1.1. Typy sieci neuronowych 15
1.2. Pozyskiwanie danych 25
1.3. Wstępne przetwarzanie danych 31

2. Aby ruszyć z miejsca 39

2.1. Jak stwierdzić, że utknęliśmy? 39
2.2. Poprawianie błędów czasu wykonania 40
2.3. Sprawdzanie wyników pośrednich 42
2.4. Wybór odpowiedniej funkcji aktywacji (w warstwie wyjściowej) 43
2.5. Regularyzacja i porzucanie 45
2.6. Struktura sieci, wielkość wsadów i tempo uczenia 46
Podsumowanie 47

3. Obliczanie podobieństwa słów przy użyciu wektorów właściwościowych 49

3.1. Stosowanie nauczonych modeli wektorów właściwościowych do określania podobieństw między wyrazami 50
3.2. Operacje matematyczne z użyciem Word2vec 52
3.3. Wizualizacja wektorów właściwościowych 54
3.4. Znajdowanie klas obiektów z wykorzystaniem wektorów właściwościowych 55
3.5. Obliczanie odległości semantycznych w klasach 59
3.6. Wizualizacja danych kraju na mapie 60

4. Tworzenie systemu rekomendacji na podstawie odnośników wychodzących z Wikipedii 63

4.1. Pozyskiwanie danych 63
4.2. Uczenie wektorów właściwościowych filmów 67
4.3. Tworzenie systemu rekomendacji filmów 70
4.4. Prognozowanie prostych właściwości filmu 71

5. Generowanie tekstu wzorowanego na przykładach 73

5.1. Pobieranie ogólnie dostępnych tekstów 73
5.2. Generowanie tekstów przypominających dzieła Szekspira 74
5.3. Pisanie kodu z wykorzystaniem rekurencyjnej sieci neuronowej 77
5.4. Kontrolowanie temperatury wyników 79
5.5. Wizualizacja aktywacji rekurencyjnych sieci neuronowych 81

6. Dopasowywanie pytań 83

6.1. Pobieranie danych ze Stack Exchange 83
6.2. Badanie danych przy użyciu biblioteki Pandas 85
6.3. Stosowanie Keras do określania cech tekstu 86
6.4. Tworzenie modelu pytanie - odpowiedź 87
6.5. Uczenie modelu z użyciem Pandas 88
6.6. Sprawdzanie podobieństw 90

7. Sugerowanie emoji 93

7.1. Tworzenie prostego klasyfikatora nastawienia 93
7.2. Badanie prostego klasyfikatora 96
7.3. Stosowanie sieci konwolucyjnych do analizy nastawienia 97
7.4. Gromadzenie danych z Twittera 99
7.5. Prosty mechanizm prognozowania emoji 100
7.6. Porzucanie i wiele okien 102
7.7. Tworzenie modelu operującego na słowach 103
7.8. Tworzenie własnych wektorów właściwościowych 105
7.9. Stosowanie rekurencyjnych sieci neuronowych do klasyfikacji 107
7.10. Wizualizacja (nie)zgody 108
7.11. Łączenie modeli 111

8. Odwzorowywanie sekwencji na sekwencje 113

8.1. Uczenie prostego modelu typu sekwencja na sekwencję 113
8.2. Wyodrębnianie dialogów z tekstów 115
8.3. Obsługa otwartego słownika 116
8.4. Uczenie chatbota z użyciem frameworka seq2seq 118

9. Stosowanie nauczonej już sieci do rozpoznawania obrazów 123

9.1. Wczytywanie nauczonej sieci neuronowej 124
9.2. Wstępne przetwarzanie obrazów 124
9.3. Przeprowadzanie wnioskowania na obrazach 126
9.4. Stosowanie API serwisu Flickr do gromadzenia zdjęć z etykietami 127
9.5. Tworzenie klasyfikatora, który potrafi odróżniać koty od psów 128
9.6. Poprawianie wyników wyszukiwania 130
9.7. Ponowne uczenie sieci rozpoznającej obrazy 132

10. Tworzenie usługi odwrotnego wyszukiwania obrazów 135

10.1. Pozyskiwanie obrazów z Wikipedii 135
10.2. Rzutowanie obrazów na przestrzeń n-wymiarową 138
10.3. Znajdowanie najbliższych sąsiadów w przestrzeni n-wymiarowej 139
10.4. Badanie lokalnych sąsiedztw w wektorach właściwościowych 140

11. Wykrywanie wielu obrazów 143

11.1. Wykrywanie wielu obrazów przy użyciu nauczonego klasyfikatora 143
11.2. Stosowanie sieci Faster R-CNN do wykrywania obrazów 147
11.3. Stosowanie Faster R-CNN na własnych obrazach 149

12. Styl obrazu 153

12.1. Wizualizacja aktywacji sieci CNN 153
12.2. Oktawy i skalowanie 157
12.3. Wizualizacja tego, co sieć neuronowa prawie widzi 158
12.4. Jak uchwycić styl obrazu? 161
12.5. Poprawianie funkcji straty w celu zwiększenia koherencji obrazu 164
12.6. Przenoszenie stylu na inny obraz 166
12.7. Interpolacja stylu 167

13. Generowanie obrazów przy użyciu autoenkoderów 169

13.1. Importowanie rysunków ze zbioru Google Quick Draw 170
13.2. Tworzenie autoenkodera dla obrazów 171
13.3. Wizualizacja wyników autoenkodera 173
13.4. Próbkowanie obrazów z właściwego rozkładu 175
13.5. Wizualizacja przestrzeni autoenkodera wariacyjnego 178
13.6. Warunkowe autoenkodery wariacyjne 179

14. Generowanie ikon przy użyciu głębokich sieci neuronowych 183

14.1. Zdobywanie ikon do uczenia sieci 184
14.2. Konwertowanie ikon na tensory 186
14.3. Stosowanie autoenkodera wariacyjnego do generowania ikon 187
14.4. Stosowanie techniki rozszerzania danych do poprawy wydajności autoenkodera 190
14.5. Tworzenie sieci GAN 191
14.6. Uczenie sieci GAN 193
14.7. Pokazywanie ikon generowanych przez sieć GAN 194
14.8. Kodowanie ikon jako instrukcji rysowniczych 196
14.9. Uczenie sieci rekurencyjnych rysowania ikon 197
14.10. Generowanie ikon przy użyciu sieci rekurencyjnych 199

15. Muzyka a uczenie głębokie 201

15.1. Tworzenie zbioru uczącego na potrzeby klasyfikowania muzyki 202
15.2. Uczenie detektora gatunków muzyki 204
15.3. Wizualizacja pomyłek 206
15.4. Indeksowanie istniejącej muzyki 207
15.5. Konfiguracja API dostępu do serwisu Spotify 209
15.6. Zbieranie list odtwarzania i utworów ze Spotify 210
15.7. Uczenie systemu sugerowania muzyki 213
15.8. Sugerowanie muzyki przy wykorzystaniu modelu Word2vec 214

16. Przygotowywanie systemów uczenia maszynowego do zastosowań produkcyjnych 217

16.1. Użycie algorytmu najbliższych sąsiadów scikit-learn do obsługi wektorów właściwościowych 218
16.2. Stosowanie Postgresa do przechowywania wektorów właściwościowych 219
16.3. Zapisywanie i przeszukiwanie wektorów właściwościowych przechowywanych w bazie Postgres 220
16.4. Przechowywanie modeli wysokowymiarowych w Postgresie 221
16.5. Pisanie mikroserwisów w języku Python 222
16.6. Wdrażanie modelu Keras z użyciem mikroserwisu 224
16.7. Wywoływanie mikroserwisu z poziomu frameworka internetowego 225
16.8. Modele seq2seq TensorFlow 226
16.9. Uruchamianie modeli uczenia głębokiego w przeglądarkach 227
16.10. Wykonywanie modeli Keras przy użyciu serwera TensorFlow 230
16.11. Stosowanie modeli Keras z poziomu iOS-a 232

Skorowidz 235

Kategoria:	Programowanie
Język:	Polski
Zabezpieczenie:	Watermark Watermark Watermarkowanie polega na znakowaniu plików wewnątrz treści, dzięki czemu możliwe jest rozpoznanie unikatowej licencji transakcyjnej Użytkownika. E-książki zabezpieczone watermarkiem można odczytywać na wszystkich urządzeniach odtwarzających wybrany format (czytniki, tablety, smartfony). Nie ma również ograniczeń liczby licencji oraz istnieje możliwość swobodnego przenoszenia plików między urządzeniami. Pliki z watermarkiem są kompatybilne z popularnymi programami do odczytywania ebooków, jak np. Calibre oraz aplikacjami na urządzenia mobilne na takie platformy jak iOS oraz Android.
ISBN:	978-83-283-5232-2
Rozmiar pliku:	4,8 MB
Użytkowanie:	w granicach licencji Informacje na temat użytkowania Kopia przeznaczona jest wyłącznie do własnego użytku osobistego w granicach udzielonej licencji. Wszelkie prawa są zastrzeżone chyba, że właściciel praw autorskich udzieli wyraźnej licencji. Z wyjątkiem sytuacji dopuszczalnych przez prawo lub uzyskania zgody uprawnionego z tytułu praw autorskich, jakiekolwiek powielanie, montaż, wyświetlanie, wypożyczanie, publiczne pokazy czy inne rozpowszechnianie zawartości tej kopii lub jej fragmentów czy części jest bezwzględnie zabronione. Niniejsza kopia nie może być przedmiotem odsprzedaży czy dystrybucji i sprzedaży handlowej bez uzyskania odpowiedniej licencji udzielonej przez Virtualo sp. z o.o.
Drukowanie:	w granicach licencji Informacje na temat użytkowania Kopia przeznaczona jest wyłącznie do własnego użytku osobistego w granicach udzielonej licencji. Wszelkie prawa są zastrzeżone chyba, że właściciel praw autorskich udzieli wyraźnej licencji. Z wyjątkiem sytuacji dopuszczalnych przez prawo lub uzyskania zgody uprawnionego z tytułu praw autorskich, jakiekolwiek powielanie, montaż, wyświetlanie, wypożyczanie, publiczne pokazy czy inne rozpowszechnianie zawartości tej kopii lub jej fragmentów czy części jest bezwzględnie zabronione. Niniejsza kopia nie może być przedmiotem odsprzedaży czy dystrybucji i sprzedaży handlowej bez uzyskania odpowiedniej licencji udzielonej przez Virtualo sp. z o.o.
Kopiowanie:	w granicach licencji Informacje na temat użytkowania Kopia przeznaczona jest wyłącznie do własnego użytku osobistego w granicach udzielonej licencji. Wszelkie prawa są zastrzeżone chyba, że właściciel praw autorskich udzieli wyraźnej licencji. Z wyjątkiem sytuacji dopuszczalnych przez prawo lub uzyskania zgody uprawnionego z tytułu praw autorskich, jakiekolwiek powielanie, montaż, wyświetlanie, wypożyczanie, publiczne pokazy czy inne rozpowszechnianie zawartości tej kopii lub jej fragmentów czy części jest bezwzględnie zabronione. Niniejsza kopia nie może być przedmiotem odsprzedaży czy dystrybucji i sprzedaży handlowej bez uzyskania odpowiedniej licencji udzielonej przez Virtualo sp. z o.o.

Deep Learning. Receptury - ebook

Uczenie głębokie - rzecz dla kreatywnych filozofów z myszą w dłoni!

Spis treści

BESTSELLERY