Грокаем глубокое обучение (Эндрю Траск); Издательский дом "Питер", 2024

Я влюбился в первую книгу грокаем алгоритмы,
очень сильно ждал выход этой книги, но как показывает листинг кода, очень много опечаток, код проработан плохо, материал сильно для чайноков.

0    0

Конечно это книга начального уровня, хотелось бы мне иметь её лет 20 назад, но очень неплохой подход, процесс показан со всех сторон, всё понятно, воспроизводимо на пальцах. Да и добирается автор в своём изложении машинного обучения достаточно глубоко, не каждый новичок даже мечтал оказаться в таких дебрях :-) В общем отличная книга, с хорошими иллюстрациями, для тех кто хочет понять азы и чуть дальше, да ещё на примере практически значимых языков и библиотек программирования, которые реально используются в "большом" машинном обучении и науке о данных.
Отталкиваясь от этого введения, при начальных навыках программирования на языке Python, можно плавно перейти к тому же Tensorflow (PyTorch) в плане реализации алгоритмов и более сложным математическим описаниям в других книгах. Стоит предупредить читателя, что книга главным образом фокусируется на нейронных алгоритмах, хотя машинное обучение включает гораздо больше научных областей, например статистические и вероятностные методы, которые в некоторых случаях оказываются даже "мощнее" нейронных. Для знакомства с этими аспектами машинного обучения вам потребуется другая книга.
Вердикт: рекомендуется к прочтению интересующимся базовыми алгоритмами нейронного машинного обучения, чтобы знать что под капотом и лично потрогать каждую гайку, прежде чем пускаться во все тяжкие с тяжёлыми фреймворками :-)

0    0

книга супер

0    0

Очень доступная (для понимания) книга. Когда читаешь, прямо чувствуется, что автор любит людей! Старается разжевать всё максимально понятно!
Ещё особенность: многие книги по программированию мне лично приходится перечитывать по несколько раз – бывает что абзац или главу читаешь, думаешь, потом перечитываешь опять (потому, что не всё понятно сразу). То вот именно в этой книге не то, что с первого раза понятно, а бывает что наоборот? ты уже понял, а автор сам намеренно повторяет рисунки, примеры кода и определения. Чтобы не приходилось листать назад чтобы посмотреть начало главы.

0    0

Как студенту только что поступившему было полезно. Не все понятно еще, но максимально доступно. Для старта подходит, не исчерпывающее руководство, но захотелось изучать еще.
Однозначно рекомендую.

0    0

Автор без образования. Стиль путаный.
Почти полкниги ни о чем, программы плохие, теории нет, алгоритмы не объясняет, множество ошибок.
Более тупой книги я не видел. Какие то путанные блок схемы, диаграммы дает всю дорогу. Рекуррентные сети не правильно написал. Не понимает вообще правила работы с естественным языком. В предисловии написано, что дана программа-переводчик. Нет такой программы в книге.
В заголовках глав написано, что пишет программа как Шекспир
Ничего его программы не пишут
Эту книгу на помойку выкинуть

0    0

1- Легко читается (одна из лучших книг для начала работы)
2- Практический подход к реализации нейронных сетей
3- Некоторое введение в популярные библиотеки ИИ, такие как Numpy
4- Хорошее руководство по следующим шагам
*

Недостатки:

1 - Проблемы с синтаксисом и кодированием, которые легко обнаружить наметанным глазом, но не так просто для новичка.
2- Некоторые типографские ошибки в книге

0    0

Решил вникнуть в тему глубокого обучения и как всегда решил начать с азов, с истоков так сказать. скажу сразу, что если кто-то решит также как и я начать с истоков,то начните с книги Тарик Рашид "Создаём нейронную сеть" вот там то действительно для самых маленьких. потом уже можно читать .... нет не эту книгу,а "глубокое обучение в картинках" Джон Крон. после можно грокать т.е. читать эту книгу. Меня удивило просто огромное количество опечаток в книге. например автор вызывает метод, но нигде нет реализации этого метода. также когда код становиться сложнее, листинг длиннее вот тут то и сюрпризы с отступами начинаются, а для питона отступы важны. скажу так, что если знать питон то это всё ерунда. тем более после прочтения пары более базовых книг, будет все более понятно. если кому-то важно какую книгу читать после это , то я читал "глубокое обучение.погружение в мир нейронных сетей" там хардкор)))

0    0

отличная книга для начинающих. все изложено максимально просто и наглядно, ну может за исключением пары мест, но считаю это простительным

0    0

Потрясающим образом, ни один пример кода из этой книги "так как есть" не работает из-за ошибок...
Впечатляет. 100%
Абсолютная неспособность автора/ переводчика давать переменным и функциям адекватные имена - тоже очень мешает пониманию.

0    0

Работаю с нейросетками довольно давно, причем без ML либ. Разработка C++/C#, классы MLP, RNN, LSTM, CNN, NEAT и подобные

Подарили книгу (покупал не знающий человек, зная что я читал когда-то книги этой серии[стоят на полке])

Всегда брал информацию в первоисточниках в виде научных работ/статей/журналов. Решил интереса ради в поездках прочесть книгу.

NumPy без всяких ML либ выбран правильно, так как нужно понимать что происходит внутри. Автор даёт достаточно много полезной информации, которую я получал после набивания кучи шишек и осознание некоторых моментов в работе заняло не один месяц. А тут оно есть (базово, но есть)

Backprop объясняется достаточно лаконично, по крайней мере гораздо лучше, чем во многих откопирайченных источниках русскоязычных, которые слепо копируют инфу друг у друга с наглухо зашитыми в математику сигмоидами (кто поймет тот поймет)

Картинки есть, их много. Когда информативные, когда нет. Чаще все таки информативные)

Но есть одно большое НО! В примерах КУЧА опечаток. Автор говорит одно, а написано другое. Пример - возьмём 10 и умножим на 2. А в примере написано 1*2. Это очень плохо.
Вы напишете код примера, запустите, он выдаст результат по заданным данным. Бац - цифры в книге другие. И вы не будете знать это вы ошиблись или в книге опечатка!

Я не проверял код на корректность, так как мне это не было интересно, но некоторые места пересчитывал с калькулятором, когда явно видел расхождение в цифрах.

Книга пойдет начинающим, но не совсем \"нулевым\" ребятам. Надо чтобы вы знали векторные и матричные операции, шо такое корреляция и как работают массивы) База простая, но потребуется.

От себя: крайне советую не просто повторять примеры из книги, забивая его в компуктер и ожидая циферок, а посчитать прямой/обратный проход для пары узлов вручную, на листике с калькулятором. Вы гораздо больше поймёте и запомните, нежели просто все скормите Python\'у и через неделю забудете.

И так делать для всего нового в ML, что можно посчитать. Матана там порой очень много и мат.пакетами типа Maple, Matcad, Wolfram Alpha и подобными на работе пользоваться точно придется.

P.s. Конечно если вам нужно просто сделать курсач на TensorFlow или что-нибудь из такого простого, то углубляться в матан совсем не обязательно. Вы быстро разочаруетесь в кажущейся простоте нейронок

0    0

Ellisabett в книге дан код для Python 2.7

0    0