Strojové učení zaznamenalo v posledních letech pozoruhodný pokrok a dospělo od téměř nepoužitelného rozpoznávání řeči a obrazu k téměř nadlidské přesnosti, od programů, které nedokázaly porazit jen trochu zkušenějšího hráče šachu, až k přemožitelům mistrů světa.
Za pokrokem ve vývoji učících se programů
...
Strojové učení zaznamenalo v posledních letech pozoruhodný pokrok a dospělo od téměř nepoužitelného rozpoznávání řeči a obrazu k téměř nadlidské přesnosti, od programů, které nedokázaly porazit jen trochu zkušenějšího hráče šachu, až k přemožitelům mistrů světa.
Za pokrokem ve vývoji učících se programů stojí tzv. hluboké učení (deep learning), což je kombinace teorií a osvědčených technických postupů, které umožnily vyvinout řadu dříve nerealizovatelných aplikací. S jejich pomocí můžeme analyzovat a syntetizovat text i mluvené slovo, překládat z jazyka do jazyka, rozpoznávat osoby nebo ovládat samořídící automobily.
Kniha naučí čtenáře, jehož znalosti jazyka Python jsou na střední úrovni, navrhovat v tomto jazyku hluboce se učící systémy s pomocí knihoven Keras a TensorFlow, které používá většina autorů vítězných systémů ze soutěží v hlubokém učení. Výklad je založený na intuitivních vysvětleních a praktických příkladech. Náročné koncepty si procvičíte na aplikacích v oblasti počítačového vidění, zpracování přirozeného jazyka a generativních modelů. Získáte tak znalosti a praktické dovednosti, které vám umožní aplikovat hluboké učení ve vlastních projektech.
Autorem knihy je François Chollet, tvůrce knihovny Keras a výzkumník v oblasti umělé inteligence společnosti Google.
Výklad základních principů hlubokého učení i pokročilých dovedností
Tvorba systému hlubokého učení pro počítačové vidění, časové řady, text i generování vlastních výtvorů (například obrázků)
Způsob fungování moderních AI systémů typu ChatGPT
Popis rozdílů při spouštění programů na CPU, GPU a FPU
Práce s webovým prostředím Collaboration, které umožňuje používat GPU a FPU na serveru
