![[Recenzja] Deep Learning from Scratch: Building with Python from First Principles (Seth Weidman) Streszczenie.](https://episodes.castos.com/660078c6833215-59505987/images/2560499/c1a-085k3-9j2wdkrosmrx-7hyte7.jpg)
Show Notes
Deep Learning from Scratch: Building with Python from First Principles (Seth Weidman)
- Amazon Poland Store: https://www.amazon.pl/dp/1492041416?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Deep-Learning-from-Scratch%3A-Building-with-Python-from-First-Principles-Seth-Weidman.html
- eBay: https://www.ebay.com/sch/i.html?_nkw=Deep+Learning+from+Scratch+Building+with+Python+from+First+Principles+Seth+Weidman+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/1492041416/
#propagacjawsteczna #regułałańcuchowa #wektoryzacjatensorów #siecikonwolucyjne #siecirekurencyjne #DeepLearningfromScratch
Deep Learning from Scratch: Building with Python from First Principles Setha Weidmana to techniczna książka o uczeniu głębokim, wydana przez O’Reilly w 2019 roku. Nie jest przewodnikiem po szybkim użyciu gotowych bibliotek ani przeglądem najnowszych zastosowań sztucznej inteligencji. Jej celem jest pokazanie, jak działają sieci neuronowe, gdy programista sam zapisuje ich podstawowe elementy w Pythonie. Autor prowadzi czytelnika od operacji na danych i prostych warstw sieci, przez propagację w przód, funkcje straty oraz propagację wsteczną, aż po sieci konwolucyjne i rekurencyjne. Ważną częścią ujęcia jest budowanie własnego, obiektowego szkieletu kodu, który pozwala traktować warstwy, funkcje aktywacji, optymalizatory i modele jako współpracujące komponenty. Matematyka nie jest tu ozdobnikiem, lecz narzędziem wyjaśniającym, skąd biorą się obliczenia wykonywane przez kod. Książka jest przeznaczona głównie dla osób, które znają Pythona, podstawy uczenia maszynowego i chcą przejść od korzystania z abstrakcji do rozumienia ich mechanizmu. Kończy się także odniesieniem do implementacji tych idei w PyTorch.
- Amazon Poland Store: https://www.amazon.pl/dp/1492041416?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Deep-Learning-from-Scratch%3A-Building-with-Python-from-First-Principles-Seth-Weidman.html
- eBay: https://www.ebay.com/sch/i.html?_nkw=Deep+Learning+from+Scratch+Building+with+Python+from+First+Principles+Seth+Weidman+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/1492041416/
#propagacjawsteczna #regułałańcuchowa #wektoryzacjatensorów #siecikonwolucyjne #siecirekurencyjne #DeepLearningfromScratch
Deep Learning from Scratch: Building with Python from First Principles Setha Weidmana to techniczna książka o uczeniu głębokim, wydana przez O’Reilly w 2019 roku. Nie jest przewodnikiem po szybkim użyciu gotowych bibliotek ani przeglądem najnowszych zastosowań sztucznej inteligencji. Jej celem jest pokazanie, jak działają sieci neuronowe, gdy programista sam zapisuje ich podstawowe elementy w Pythonie. Autor prowadzi czytelnika od operacji na danych i prostych warstw sieci, przez propagację w przód, funkcje straty oraz propagację wsteczną, aż po sieci konwolucyjne i rekurencyjne. Ważną częścią ujęcia jest budowanie własnego, obiektowego szkieletu kodu, który pozwala traktować warstwy, funkcje aktywacji, optymalizatory i modele jako współpracujące komponenty. Matematyka nie jest tu ozdobnikiem, lecz narzędziem wyjaśniającym, skąd biorą się obliczenia wykonywane przez kod. Książka jest przeznaczona głównie dla osób, które znają Pythona, podstawy uczenia maszynowego i chcą przejść od korzystania z abstrakcji do rozumienia ich mechanizmu. Kończy się także odniesieniem do implementacji tych idei w PyTorch.
