.png)
.jpg)
 blizej.jpg)
 neurologa.jpg)
EAN:
9788328939387
Autor:
Wydawnictwo:
Data premiery:
2026-11-17
Rok wydania:
2026
Oprawa:
broszurowa
Format:
165x235 mm
Strony:
664
Cena sugerowana brutto:
149.00zł
Stawka vat:
5%
Deep Learning. Praca z językiem Python i biblioteką Keras. Wydanie III
Uczenie głębokie to jedna z najdynamiczniej rozwijających się dziedzin informatyki w ciągu ostatniej dekady zrewolucjonizowało branżę IT, medycynę, transport i kulturę. Dziś, w erze ChatGPT, Midjourney i autonomicznych pojazdów, znajomość sieci neuronowych i generatywnej sztucznej inteligencji stała się kluczową kompetencją, którą powinien posiadać każdy programista i data scientist. Deep Learning. Praca z językiem Python i biblioteką Keras. Wydanie III to kompleksowy, praktyczny przewodnik po uczeniu głębokim od podstaw matematycznych po najnowsze architektury transformerów i modele dyfuzyjne. Napisany przez twórcę biblioteki Keras, Francois Cholleta, jest uznawany za jedno z najlepszych wprowadzeń do tej dziedziny na rynku.
Książka prowadzi czytelnika przez cały ekosystem uczenia głębokiego: od tensorów i propagacji wstecznej, przez sieci konwolucyjne do klasyfikacji obrazów i segmentacji, rekurencyjne sieci neuronowe do prognozowania szeregów czasowych, aż po zaawansowane modele językowe i generowanie obrazów. Trzecie wydanie zostało niemal całkowicie zmienione zawiera nowe rozdziały poświęcone architekturze transformera, budowie własnego miniaturowego modelu GPT, dostrajaniu dużych modeli językowych techniką LoRA, a także generowaniu obrazów z użyciem modeli dyfuzyjnych i Stable Diffusion. Każdy rozdział uzupełniają gotowe do uruchomienia przykłady kodu w Pythonie z użyciem bibliotek: Keras, PyTorch, TensorFlow i JAX.
Matematyczne podstawy sieci neuronowych: tensory, gradienty, spadek gradientu
Sieci konwolucyjne (CNN) do klasyfikacji, segmentacji i wykrywania obiektów
Rekurencyjne sieci neuronowe (LSTM, GRU) do prognozowania szeregów czasowych
Architektura transformera i mechanizm uwagi od tłumaczenia maszynowego po ChatGPT
Trenowanie miniaturowego modelu GPT i dostrajanie dużych modeli językowych (LoRA, RLHF)
Generowanie obrazów: autoenkodery wariacyjne (VAE) i modele dyfuzyjne (Stable Diffusion)
Najlepsze praktyki: dostrajanie hiperparametrów, trenowanie rozproszone, mieszana precyzja
Francois Chollet twórca biblioteki Keras i współzałożyciel laboratorium badawczego Ndea. Od 2012 roku pracuje nad uczeniem głębokim, przez wiele lat jako badacz w Google. Autor wyzwania ARC-AGI do pomiaru inteligencji maszyn i założyciel ARC Prize Foundation.
Matthew Watson inżynier w Google, pracuje nad modelem Gemini i ekosystemem uczenia głębokiego open source. Główny opiekun biblioteki Keras, specjalizuje się w narzędziach NLP. Absolwent Uniwersytetu Stanforda.
Doskonała pozycja dla wszystkich, którzy lubią się uczyć przez praktykę i chcą się uczyć od najlepszych w branży.
Anthony Goldbloom, założyciel Kaggle
Inteligentny, praktyczny przewodnik, uczący, jak myśleć od pierwszej zasady do budowania modeli, które naprawdę działają.
Santiago Valdarrama, założyciel ml school
Obecnie nie ma bardziej aktualnego i wyczerpującego przewodnika.
Aran Komatsuzaki, EleutherAI
Naucz się uczenia głębokiego od twórcy Keras warstwa po warstwie
