Кем бы вы ни были — инженером-программистом, стремящимся войти в мир глубокого обучения, опытным специалистом по обработке данных или любителем, мечтающим создать «вирусное» приложение с использованием ИИ, — наверняка задавались вопросом: с чего начать? Практические примеры из этой книги научат вас создавать приложения глубокого обучения для облачных, мобильных и краевых (edge) систем. Если вы хотите создать что-то необычное, полезное, масштабируемое или просто классное — эта книга для вас.
Многолетний опыт исследований в области глубокого обучения и разработки приложений позволяют авторам научить каждого воплощать идеи в нечто невероятное и необходимое людям в реальном мире.
Архитектура модели.
Модель — это просто функция. Она принимает один или несколько входных параметров и возвращает результат. Входными данными могут быть текст, изображения, аудио, видео или что-то еще, а результатом является прогноз. Хорошей считается модель, прогнозы которой достаточно точно соответствуют ожидаемой реальности. Точность модели, обученной на некотором датасете, является основным определяющим фактором ее пригодности для реального использования. Для большинства это все, что нужно знать о моделях глубокого обучения. Но если заглянуть внутрь модели, взору откроется множество интересных деталей (рис. 1.9).
Внутри модели находится граф, состоящий из вершин и ребер. Вершины — это математические операции, а ребра представляют потоки данных между узлами. Другими словами, если выход одной вершины связать со входом одной или нескольких других вершин, то эти связи между вершинами будут представлены ребрами. Структура графа определяет потенциальную точность, скорость, количество потребляемых ресурсов (память, продолжительность вычислений и электроэнергия), а также тип входных данных, которые она может обрабатывать.
ОГЛАВЛЕНИЕ.
Вступление.
Глава 1. Обзор ландшафта искусственного интеллекта.
Глава 2. Что на картинке: классификация изображений с помощью Keras.
Глава 3. Кошки против собак: перенос обучения с помощью Keras в 30 строках кода.
Глава 4. Создание механизма обратного поиска изображений. Эмбеддинги.
Глава 5. От новичка до мастера прогнозирования: увеличение точности сверточной нейронной сети.
Глава 6. Увеличение скорости и эффективности TensorFlow: удобный чек-лист.
Глава 7. Практические инструменты, советы и приемы.
Глава 8. Облачные API для компьютерного зрения: установка и запуск за 15 минут.
Глава 9. Масштабируемый инференс в облаке с помощью TensorFlow Serving и KubeFlow.
Глава 10. ИИ в браузере с TensorFlow.js и ml5.js.
Глава 11. Классификация объектов в реальном времени в iOS с Core ML.
Глава 12. Not Hotdog на iOS с Core ML и Create ML.
Глава 13. Шазам для еды: разработка приложений для Android с помощью TensorFlow Lite и ML Kit.
Глава 14. Создание приложения Purrfect Cat Locator с помощью TensorFlow Object Detection API.
Глава 15. Как стать творцом: ИИ в краевых устройствах.
Глава 16. Моделирование беспилотного автомобиля методом сквозного глубокого обучения с использованием Keras.
Глава 17. Создание беспилотного автомобиля менее чем за час: обучение с подкреплением с помощью AWS DeepRacer.
Приложение. Краткое введение в сверточные нейронные сети.
Об авторах.
Иллюстрация на обложке.
Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Искусственный интеллект и компьютерное зрение, Реальные проекты на Python, Keras и TensorFlow, Коул А., Ганджу С., Казам М., 2023 - fileskachat.com, быстрое и бесплатное скачивание.
Скачать pdf
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги
Скачать - pdf - Яндекс.Диск.
Дата публикации:
Теги: учебник по программированию :: программирование :: Коул :: Ганджу :: Казам :: искусственный интеллект
Смотрите также учебники, книги и учебные материалы:
Предыдущие статьи:
