глибоке навчання з fastai і PyTorch: мінімум формул, мінімум коду, максимум ефективності
Зазвичай на глибоке навчання дивляться з жахом, вважаючи, що тільки доктор математичних наук або ботан, що працює в крутий айтішної корпорації, можуть розібратися в цій темі. Відкиньте стереотипи: будь-який програміст, знайомий з Python, може досягти вражаючих результатів. Як? За допомогою fastai — бібліотеки, що надає комфортний інтерфейс для вирішення найбільш популярних завдань.
Творці fastai довели, що наймодніші і актуальні додатки можна робити швидко і не засипати над нудними теоретичними викладками і зубодробильними формулами.
Рік: 2022
Сторінок: 624
електронна книга (pdf+epub)
Ховард Джеремі
Підприємець, бізнес-аналітик, розробник і викладач. Заснував Інститут fast.ai, мета якого-зробити глибоке навчання максимально доступним. Видатний вчений-дослідник Університету Сан-Франциско, входить до складу членів глобальної ради з ІІ Всесвітнього економічного форуму.
Гуггер Сильвейн
Інженер-дослідник В HuggingFace, в fast.ai працював над розробкою та вдосконаленням методів прискореного навчання моделей в умовах обмежених ресурсів.
Зазвичай на глибоке навчання дивляться з жахом, вважаючи, що тільки доктор математичних наук або ботан, що працює в крутий айтішної корпорації, можуть розібратися в цій темі. Відкиньте стереотипи: будь-який програміст, знайомий з Python, може досягти вражаючих результатів. Як? За допомогою fastai — бібліотеки, що надає комфортний інтерфейс для вирішення найбільш популярних завдань.
Творці fastai довели, що наймодніші і актуальні додатки можна робити швидко і не засипати над нудними теоретичними викладками і зубодробильними формулами.
Рік: 2022
Сторінок: 624
електронна книга (pdf+epub)
Ховард Джеремі
Підприємець, бізнес-аналітик, розробник і викладач. Заснував Інститут fast.ai, мета якого-зробити глибоке навчання максимально доступним. Видатний вчений-дослідник Університету Сан-Франциско, входить до складу членів глобальної ради з ІІ Всесвітнього економічного форуму.
Гуггер Сильвейн
Інженер-дослідник В HuggingFace, в fast.ai працював над розробкою та вдосконаленням методів прискореного навчання моделей в умовах обмежених ресурсів.
https://privatelink.de/?https://www.piter.com/product/glubokoe-obuchenie-s-fastai-i-pytorch-minimum-formul-minimum-koda-maksimum-effektivnosti