| Título : |
Artificial Neural Networks with TensorFlow 2 : ANN Architecture Machine Learning Projects |
| Tipo de documento: |
documento electrónico |
| Autores: |
Sarang, Poornachandra, Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
Berkeley, CA : Apress |
| Fecha de publicación: |
2021 |
| Número de páginas: |
XXIX, 726 p. 237 ilustraciones |
| ISBN/ISSN/DL: |
978-1-4842-6150-7 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Aprendizaje automático |
| Índice Dewey: |
006.31 Máquina de aprendizaje |
| Resumen: |
Desarrollar modelos de aprendizaje automático en varios dominios. Este libro ofrece una fuente única que proporciona una cobertura completa de las capacidades de TensorFlow 2 mediante el uso de proyectos realistas basados en escenarios. Después de conocer las novedades de TensorFlow 2, se sumergirá directamente en el desarrollo de modelos de aprendizaje automático a través de proyectos aplicables. Este libro cubre una amplia variedad de arquitecturas ANN, desde trabajar con una red secuencial simple hasta CNN, RNN, LSTM, DCGAN avanzadas, etc. Se dedica un capítulo completo a cada tipo de red y cada capítulo consta de un proyecto completo que describe la arquitectura de red utilizada, la teoría detrás de esa arquitectura, qué conjunto de datos se utiliza, el preprocesamiento de datos, el entrenamiento del modelo, las pruebas y las optimizaciones de rendimiento. y análisis. Este enfoque práctico se puede utilizar desde el principio hasta el final o, si ya está familiarizado con los modelos básicos de ML, puede sumergirse directamente en la aplicación que le interese. Las explicaciones línea por línea sobre los principales segmentos de código le ayudan a completar los detalles a medida que trabaja y el código fuente completo del proyecto está disponible en línea para aprender y experimentar más. Con las redes neuronales artificiales con TensorFlow 2, verá cuán amplia es la gama de capacidades de TensorFlow. Usted podrá: Desarrollar aplicaciones de aprendizaje automático Traducir idiomas utilizando redes neuronales Componer imágenes con transferencia de estilo. |
| Nota de contenido: |
Chapter 1: TensorFlow Jump Start -- Chapter 2: A Closer Look at TensorFlow -- Chapter 3: Deep Dive in tf.keras -- Chapter 4: Transfer Learning -- Chapter 5: Neutral Networks for Regression -- Chapter 6: Estimators -- Chapter 7: Text Generation -- Chapter 8: Language Translation -- Chapter 9: Natural Langauge -- Chapter 10: Image Captioning -- Chapter 11: Time Series -- Chapter 12: Style Transfer -- Chapter 13: Image Generation- Chapter 14: Image Translation. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Artificial Neural Networks with TensorFlow 2 : ANN Architecture Machine Learning Projects [documento electrónico] / Sarang, Poornachandra, Autor . - 1 ed. . - Berkeley, CA : Apress, 2021 . - XXIX, 726 p. 237 ilustraciones. ISBN : 978-1-4842-6150-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Aprendizaje automático |
| Índice Dewey: |
006.31 Máquina de aprendizaje |
| Resumen: |
Desarrollar modelos de aprendizaje automático en varios dominios. Este libro ofrece una fuente única que proporciona una cobertura completa de las capacidades de TensorFlow 2 mediante el uso de proyectos realistas basados en escenarios. Después de conocer las novedades de TensorFlow 2, se sumergirá directamente en el desarrollo de modelos de aprendizaje automático a través de proyectos aplicables. Este libro cubre una amplia variedad de arquitecturas ANN, desde trabajar con una red secuencial simple hasta CNN, RNN, LSTM, DCGAN avanzadas, etc. Se dedica un capítulo completo a cada tipo de red y cada capítulo consta de un proyecto completo que describe la arquitectura de red utilizada, la teoría detrás de esa arquitectura, qué conjunto de datos se utiliza, el preprocesamiento de datos, el entrenamiento del modelo, las pruebas y las optimizaciones de rendimiento. y análisis. Este enfoque práctico se puede utilizar desde el principio hasta el final o, si ya está familiarizado con los modelos básicos de ML, puede sumergirse directamente en la aplicación que le interese. Las explicaciones línea por línea sobre los principales segmentos de código le ayudan a completar los detalles a medida que trabaja y el código fuente completo del proyecto está disponible en línea para aprender y experimentar más. Con las redes neuronales artificiales con TensorFlow 2, verá cuán amplia es la gama de capacidades de TensorFlow. Usted podrá: Desarrollar aplicaciones de aprendizaje automático Traducir idiomas utilizando redes neuronales Componer imágenes con transferencia de estilo. |
| Nota de contenido: |
Chapter 1: TensorFlow Jump Start -- Chapter 2: A Closer Look at TensorFlow -- Chapter 3: Deep Dive in tf.keras -- Chapter 4: Transfer Learning -- Chapter 5: Neutral Networks for Regression -- Chapter 6: Estimators -- Chapter 7: Text Generation -- Chapter 8: Language Translation -- Chapter 9: Natural Langauge -- Chapter 10: Image Captioning -- Chapter 11: Time Series -- Chapter 12: Style Transfer -- Chapter 13: Image Generation- Chapter 14: Image Translation. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsqueda
