Python wraz ze swoimi bibliotekami umożliwia tworzenie coraz bardziej wyrafinowanych implementacji algorytmów uczenia maszynowego. Dzięki temu systemy przetwarzania języka naturalnego i obrazów wkraczają do naszego życia na szeroką skalę. Aby jednak uzyskiwać najlepsze wyniki w tej dziedzinie, potrzebna jest znajomość dobrych praktyk.

Oto trzecie wydanie popularnego podręcznika, z którym nauczysz się stosować zaawansowane techniki uczenia maszynowego. Zawiera dwa nowe rozdziały poświęcone architekturze Transformer oraz modelom takim jak BERT i GPT, jak również multimodalnym modelom komputerowego rozpoznawania obrazów implementowanym z wykorzystaniem PyTorch i Hugging Face. Znajdziesz tu solidną dawkę teorii połączonej z przykładami jej praktycznego zastosowania. Dzięki lekturze poszerzysz wiedzę z zakresu uczenia głębokiego, odkryjesz pełny potencjał zaawansowanych technik uczenia maszynowego i łatwiej sprostasz codziennym wyzwaniom.

W książce między innymi:

• najlepsze praktyki uczenia maszynowego
• budowa i ulepszanie klasyfikatorów obrazów
• tworzenie i strojenie sieci neuronowych z wykorzystaniem TensorFlow i PyTorch
• rekurencyjne sieci neuronowe, transformery i model CLIP
• maszyna wektorów nośnych i poprawa ich wydajności
• regularyzacja, wybór cech i wiele innych przydatnych technik

Najlepsze praktyki uczenia maszynowego? Tylko z Pythonem!