Applied Deep Learning with TensorFlow 2 : Learn to Implement Advanced Deep Learning Techniques with Python （2ND）

個数：

電子版価格
¥12,602

電子版あり
ポイントキャンペーン

Applied Deep Learning with TensorFlow 2 : Learn to Implement Advanced Deep Learning Techniques with Python （2ND）

Michelucci, Umberto

ウェブストア価格 ¥13,278（本体¥12,071）
APress（2022/03発売）
外貨定価 US$ 69.99
【ウェブストア限定】洋書・洋古書ポイント5倍対象商品（～2/28）
ポイント 600pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版／ページ数 380 p.
言語 ENG
商品コード 9781484280195
DDC分類 006

Full Description

Understand how neural networks work and learn how to implement them using TensorFlow 2.0 and Keras. This new edition focuses on the fundamental concepts and at the same time on practical aspects of implementing neural networks and deep learning for your research projects.

This book is designed so that you can focus on the parts you are interested in. You will explore topics as regularization, optimizers, optimization, metric analysis, and hyper-parameter tuning. In addition, you will learn the fundamentals ideas behind autoencoders and generative adversarial networks.

All the code presented in the book will be available in the form of Jupyter notebooks which would allow you to try out all examples and extend them in interesting ways. A companion online book is available with the complete code for all examples discussed in the book and additional material more related to TensorFlow and Keras. All the code will be available in Jupyter notebook format and can be openeddirectly in Google Colab (no need to install anything locally) or downloaded on your own machine and tested locally.

You will:

• Understand the fundamental concepts of how neural networks work

• Learn the fundamental ideas behind autoencoders and generative adversarial networks

• Be able to try all the examples with complete code examples that you can expand for your own projects

• Have available a complete online companion book with examples and tutorials.

This book is for:

Readers with an intermediate understanding of machine learning, linear algebra, calculus, and basic Python programming.

Chapter 1 : Optimization and Neural Networks.- Chapter 2: Hands-on with One Single Neuron.- Chapter 3: Feed Forward Neural Networks.-Chapter 4: Regularization.- Chapter 5: Advanced Optimizers.- Chapter 6: Hyperparameter Tuning.- Chapter 7: Convolutional Neural Networks.-Chapter 8: Brief Introduction to Recurrent Neural Networks.- Chapter 9: Autoencoders.- Chapter 10: Metric Analysis.- Chapter 11: General Adversarial Networks (GANs).- Appendix A: Introduction to Keras.- Appendix B: Customizing Keras