Głębokie uczenie z TensorFlow

Uczenie maszynowe jest coraz powszechniejsze. Niemal każdego dnia stykamy się z tego rodzaju oprogramowaniem, a możliwości tworzonych systemów stale rosną. Zdobycie praktycznych umiejętności w zakresie budowy i treningu sieci neuronowych staje się dla profesjonalnych programistów koniecznością. Spośród wielu narzędzi służących do tworzenia systemów uczenia maszynowego warto zwrócić uwagę na TensorFlow - nową biblioteką udostępnioną przez Google, przeznaczoną do projektowania i wdrażania zaawansowanych architektur uczenia głębokiego. Bez wątpienia jest to narzędzie, które pozwala na wykonywanie zadań znacznie wykraczających poza standardowy zakres uczenia maszynowego. Ta książka jest przeznaczona dla praktyków, przede wszystkim programistów, architektów i naukowców, którzy chcą się nauczyć projektowania systemów uczących. Podstawowe pojęcia dotyczące uczenia maszynowego wyjaśniono tu poprzez praktyczne przykłady. Przedstawiono możliwości TensorFlow jako systemu do przeprowadzania obliczeń na tensorach. Omówiono zastosowania tej biblioteki w wielu bardzo różnych dziedzinach: do budowy systemów służących do rozpoznawania obrazów, rozumienia tekstu napisanego ręcznie przez człowieka czy przewidywania właściwości potencjalnych leków. Dzięki tej książce można bez trudu zrozumieć matematyczne podstawy systemów uczenia maszynowego, a następnie wykorzystać je podczas tworzenia profesjonalnych sieci neuronowych. W tej książce między innymi: podstawy uczenia maszynowego i rozpoczęcie pracy z TensorFlow budowa prototypów i modeli z optymalizacją hiperparametrów przetwarzanie obrazów w splotowych sieciach neuronowych obsługa zbiorów danych języka naturalnego trenowanie sieci za pomocą procesorów graficznych i procesorów tensorowych TensorFlow: trenuj sieć profesjonalnie! O autorach Bharath Ramsundar jest twórcą DeepChem, pakietu open source opartego na TensorFlow, służącego do opracowywania leków. Przygotowuje doktorat z informatyki na Uniwersytecie Stanforda. Reza Bosagh Zadeh jest wykładowcą na Uniwersytecie Stanforda. Zawodowo zajmuje się uczeniem maszynowym, obliczeniami rozproszonymi i dyskretną matematyką stosowaną. Opracował algorytmy uczenia maszynowego stojące za systemem proponowania kont do śledzenia na Twitterze.