Get SH*T Done with PyTorch: Solve Real-World Machine Learning Problems with Deep Neural Networks in Python

PyTorch بهترین کتابخانه یادگیری عمیق (در حال حاضر) است، نقطه! انجام ML با PyTorch مانند یک ابرقدرت به نظر می رسد (البته قسمت های بدی نیز وجود دارد). به من اعتماد کنید، من یک کتاب در مورد TensorFlow و Keras دارم! این نظر از تجربه دنیای واقعی من به عنوان یک مهندس یادگیری ماشین و نویسنده آموزش‌های یادگیری عمیق ماشین و یادگیری عمیق ناشی می‌شود.

این کتاب از گاو نر می‌گذرد و مستقیماً به حل مشکلات دنیای واقعی می‌پردازد. یک نظریه وجود دارد، فقط در جایی که باید نقاط را به هم وصل کنید. شما از اصول اولیه استفاده از PyTorch به حل مشکلات Computer Vision، Natural Language و سری زمانی با کد منبع کامل و نوت‌بوک‌های قابل اجرا Jupyter خواهید رفت.

نمونه‌ها با آخرین نسخه‌های PyTorch و Torchvision سازگار هستند.

آنچه از این کتاب خواهید آموخت:

• شروع با PyTorch
• اولین شبکه عصبی خود را با PyTorch بسازید
• انتقال آموزش برای طبقه بندی تصویر با استفاده از Torchvision
• پیش‌بینی سری‌های زمانی با LSTM برای موارد روزانه کرونا
• تشخیص ناهنجاری سری زمانی با استفاده از رمزگذارهای خودکار LSTM
• تشخیص چهره در مجموعه داده سفارشی با Detectron2
• با حذف مرورهای برنامه Google Play مجموعه داده برای تجزیه و تحلیل احساسات ایجاد کنید
• تجزیه و تحلیل احساسات با BERT و ترانسفورماتور با در آغوش گرفتن صورت
• به‌کارگیری BERT برای تحلیل احساسات به‌عنوان REST API با استفاده از FastAPI

PyTorch is the best Deep Learning library there (currently) is, period! Doing ML with PyTorch feels like a superpower (of course, there are bad parts, too). Trust me, I have a book on TensorFlow and Keras! This opinion comes from my real-world experience, as a Machine Learning Engineer, and writer of numerous Machine Learning and Deep Learning tutorials.

This book skips the bull and goes straight into solving real-world problems. There is some theory, only where you need to connect the dots. You'll go from the basics of using PyTorch to solving Computer Vision, Natural Language, and Time Series problems with complete source code and runnable Jupyter notebooks.

The examples are compatible with the latest versions of PyTorch and Torchvision.

Here’s what you’ll learn from this book:

• Getting Started with PyTorch
• Build Your First Neural Network with PyTorch
• Transfer Learning for Image Classification using Torchvision
• Time Series Forecasting with LSTMs for Daily Coronavirus Cases
• Time Series Anomaly Detection using LSTM Autoencoders
• Face Detection on Custom Dataset with Detectron2
• Create Dataset for Sentiment Analysis by Scraping Google Play App Reviews
• Sentiment Analysis with BERT and Transformers by Hugging Face
• Deploy BERT for Sentiment Analysis as REST API using FastAPI