Deep learning har ofte blitt ansett som en eksklusiv domene for matematikere med PhD og store teknologiselskaper. Denne praktiske guiden viser imidlertid at programmerere som er komfortable med Python, kan oppnå imponerende resultater innen deep learning, selv med begrenset matematikkompetanse, små datamengder og lite kode. Hvordan er dette mulig? Ved hjelp av fastai, det første biblioteket som tilbyr en konsistent grensesnitt for de mest brukte applikasjonene innen deep learning. Forfatterne Jeremy Howard og Sylvain Gugger, som er skapere av fastai, veileder deg i hvordan du kan trene en modell for et bredt spekter av oppgaver ved bruk av fastai og PyTorch. Du vil også gradvis dykke dypere inn i teorien bak deep learning, noe som gir deg en grundig forståelse av algoritmene som jobber i bakgrunnen. Lær hvordan du trener modeller innen datamaskinsyn, naturlig språkprosessering, tabulær data og kollaborativ filtrering. Oppdag de nyeste teknikkene innen deep learning som er mest relevante i praksis. Forbedre nøyaktighet, hastighet og pålitelighet ved å forstå hvordan deep learning-modeller fungerer, og lær hvordan du kan omgjøre modellene dine til webapplikasjoner.
