Aprendizagem Profunda para Iniciantes 2: Implementando Redes Neurais Recorrentes, VAE e GAN (Aprendizado de máquina) em Python

Esta é a segunda parte de uma série sobre os fundamentos de aprendizado profundo, ensinada por um instrutor popular na plataforma de educação online Udemy. O livro anterior, "Aprendizagem Profunda para Iniciantes", explicou o mais básico do básico: redes neurais e retropropagação, de uma maneira fácil de entender mesmo para iniciantes. Este livro explica redes neurais recorrentes (RNNs), que são altamente valiosos no campo do processamento de linguagem natural, bem como os modelos generativos de aprendizado profundo VAE (Autoencoder Variacional) e GAN (Redes Adversariais Generativas), incluindo métodos de implementação. Seguindo o livro anterior, a implementação do programa é feita inteiramente em Python, sem depender de frameworks existentes.

[Características do Livro] - Para aqueles que não leram o livro anterior, há capítulos explicando os fundamentos de Python, matemática e redes neurais. - Os programas de exemplo são escritos inteiramente em Python, sem usar nenhum framework.. Isto torna os princípios de codificação de fórmulas matemáticas fáceis de entender, mesmo para iniciantes. - Os programas de amostra podem ser baixados do site da SB Creative Corporation. Compatível com Python 3, Jupyter Notebook e Google Colaboratory

Capítulo 1: O Desenvolvimento do Aprendizado Profundo Visão geral de Aprendizagem Profunda Aplicações de Aprendizagem Profunda Tecnologias Abordadas Neste Livro Como usar este livro

Capítulo 2: Preparação para a Aprendizagem Configurando um Ambiente Anaconda Como Usar o Google Colaboratory Como Usar o Jupyter Notebook Fundamentos de Python NumPy e matplotlib Matemática Básica

Capítulo 3: Fundamentos de Aprendizagem Profunda Visão geral de Redes Neurais e Aprendizagem Profunda Propagação Direta através de Camadas Totalmente Conectadas Retropropagação através de Camadas Totalmente Conectadas Implementando uma Camada Totalmente Conectada Implementação Simples de Aprendizagem Profunda

Capítulo 4: RNN Visão geral das RNNs Propagação Direta através de Camadas RNN Retropropagação através de Camadas RNN Implementando uma Camada RNN Implementação de RNN Simples Problemas Enfrentados pelas RNNs

capítulo 5: LSTM Visão geral das LSTMs Propagação Direta através de Camadas LSTM Retropropagação através de Camadas LSTM Implementando uma Camada LSTM Implementação Simples de LSTM Geração Automática de Texto

Capítulo 6: GRU Visão geral do GRU Propagação Direta da Camada GRU Retropropagação da Camada GRU Implementação da Camada GRU Implementação Simples de GRU Codificador-Decodificador

Capítulo 7: Veículo Elétrico Assistido Visão geral do VAE Como o VAE Funciona Implementando Autoencoders Camadas Necessárias para VAE Implementando VAE Derivativos VAE Capítulo 8: RIO GAN Visão geral da GAN Como a GAN funciona Camadas Necessárias para GAN Implementando GAN Derivativos GAN