Технология глубокого обучения не настолько сложна, как многие считают. До недавнего времени на ее изучение уходили годы, но с появлением таких фреймворков, как Keras и TensorFlow, инженеры-программисты, не имеющие опыта в данной области, могут быстро начать создавать рабочие приложения. Благодаря готовым примерам, приведенным в книге, вы научитесь решать задачи, связанные с классификацией и генерированием текста, изображений и музыки.
В каждой главе описывается несколько решений, объединяемых в единый проект, например приложение, реализующее тренировку музыкальной рекомендательной системы. Также имеется глава с описанием методик, которые в случае необходимости помогут выполнить отладку нейронной сети. Все примеры написаны на языке Python и доступны в виде набора блокнотов.
Основные темы книги:
Использование векторных представлений слов для вычисления схожести текстов
Построение рекомендательной системы фильмов на основе ссылок в Википедии
Визуализация внутренних состояний нейронной сети
Создание модели, рекомендующей эмодзи для фрагментов текста
Повторное использование предварительно обученных сетей для создания службы обратного поиска изображений
Генерирование пиктограмм с помощью генеративно-состязательных сетей (GAN), автокодировщиков и рекуррентных сетей (RNN)
Распознавание музыкальных жанров и индексирование коллекций песен
Давид Осинга — опытный инженер-программист, ранее работавший в Google, основатель трех стартапов.
Ведет популярный сайт программных проектов, посвященный в том числе машинному обучению.
Файлы к книге http://archive.williamspublishing.com/cgi-bin/materials.cgi?isbn=978-5-907144-50-7
Оглавление
Предисловие 13
Введение 16
Глава 1. Инструменты и методы 25
Глава 2. Ищем выход из затруднительных ситуаций 53
Глава 3. Вычисление схожести текстов с использованием векторных
представлений слов 63
Глава 4. Создание рекомендательной системы на основе
исходящих ссылок Википедии 79
Глава 5. Генерирование текста в стиле предоставленного примера 91
Глава 6. Поиск сходных вопросов 103
Глава 7. Предсказание эмодзи 113
Глава 8. Модели seq2seq 137
Глава 9. Повторное использование предварительно обученной сети
распознавания изображений 147
Глава 10. Создание службы обратного поиска изображений 161
Глава 11. Обнаружение нескольких изображений 171
Глава 12. Стиль изображения 183
Глава 13. Генерирование изображений с помощью автокодировщиков 201
Глава 14. Генерирование значков с помощью глубоких сетей 217
Глава 15. Музыка и глубокое обучение 239
Глава 16. Развертывание систем машинного обучения
в производственной среде 257
Предметный указатель 277
