Ebook Deep Learning Thực Tế - Nhập Môn Dựa Trên Python [Ấn Bản Lần 2, Tháng 7/2025] [PDF, EPUB] [9257E]
Deep learning được đơn giản hóa.
Khám phá Deep learning mà không chìm đắm trong lý thuyết với phiên bản cập nhật đầy đủ của cuốn sách "Deep Learning Thực Tế" từ tác giả giàu kinh nghiệm và chuyên gia AI.
Sau khi ôn tập sơ lược các nguyên tắc toán học và lập trình cơ bản, bạn sẽ được thực hành các thí nghiệm thực hành và học cách xây dựng các mô hình hoạt động cho mọi thứ, từ image analysis đến creative writing, đồng thời hiểu rõ cách thức hoạt động của từng kỹ thuật. Cho dù bạn là một nhà phát triển đang tìm kiếm cách bổ sung AI vào bộ công cụ của mình hay một sinh viên đang tìm kiếm các kỹ năng machine learning thực tế, cuốn sách này sẽ dạy bạn:
- ✓ Cách neural networks hoạt động và cách chúng được đào tạo.
- ✓ Cách sử dụng các mô hình machine learning cổ điển.
- ✓ Cách phát triển một mô hình deep learning từ đầu.
- ✓ Cách evaluate các model với các số liệu chuẩn của ngành.
- ✓ Cách tạo các mô hình generative AI của riêng bạn.
Mỗi chương đều nhấn mạnh vào việc phát triển kỹ năng thực hành và thử nghiệm, hướng đến một case study kết hợp tất cả những gì bạn đã học để phân loại các audio recording. Sách cung cấp các ví dụ về code hoạt động mà bạn có thể dễ dàng chạy và chỉnh sửa, và tất cả code đều được cung cấp miễn phí trên GitHub. Với "Deep Learning Thực Tế", ấn bản thứ hai, bạn sẽ có được các kỹ năng và sự tự tin cần thiết để xây dựng các hệ thống AI thực, giải quyết các vấn đề thực tế.
Nội dung mới trong ấn bản này: Tài liệu về computer vision, fine-tuning and transfer learning, localization, self-supervised learning, generative AI để tạo novel image, và các large language model cho in-context learning, semantic search và retrieval-augmented generation (RAG).
Mục lục:
- ✓ Chương 00: Môi trường và Kiến thức Toán học Sơ bộ.
- ✓ PHẦN I: DATA LÀ TẤT CẢ:
- ✓ Chương 01: Tất cả là về Data.
- ✓ Chương 02: Xây dựng Dataset.
- ✓ PHẦN II: CLASSICAL MACHINE LEARNING:
- ✓ Chương 03: Giới thiệu về Machine Learning.
- ✓ Chương 04: Các thí nghiệm với các Classical Model.
- ✓ PHẦN III: NEURAL NETWORKS:
- ✓ Chương 05: Giới thiệu về Neural Networks.
- ✓ Chương 06: Training một Neural Network.
- ✓ Chương 07: Các thí nghiệm với Neural Network.
- ✓ Chương 08: Evaluating Model.
- ✓ PHẦN IV: CONVOLUTIONAL NEURAL NETWORKS:
- ✓ Chương 09: Giới thiệu về Convolutional Neural Networks.
- ✓ Chương 10: Các thí nghiệm vớiKeras & MNIST.
- ✓ Chương 11: Các thí nghiệm với CIFAR-10.
- ✓ Chương 12: Một Case Study: Phân loại các mẫu Audio.
- ✓ PHẦN V: CÁC NETWORK NÂNG CAO & GENERATIVE AI:
- ✓ Chương 13: Các kiến trúc CNN nâng cao.
- ✓ Chương 14: Fine-Tuning & Transfer Learning.
- ✓ Chương 15: Từ Classification đến Localization.
- ✓ Chương 16: Self-Supervised Learning.
- ✓ Chương 17: Generative Adversarial Networks.
- ✓ Chương 18: Large Language Models.