Little Book of Deep Learning [PDF de 143 páginas]

• Livro introdutório sobre deep learning do professor François Fleure, editado para facilitar a leitura em telas pequenas de dispositivos móveis

I. Fundamentos

1. Aprendizado de Máquina
   1.1 Aprendendo com dados
   1.2 Regressão com funções de base
   1.3 Underfitting e overfitting
   1.4 Categorias de modelos
2. Computação Eficiente
   2.1 GPUs, TPUs e batches
   2.2 Tensores
3. Treinamento
   3.1 Funções de perda
   3.2 Modelos autorregressivos
   3.3 Descida de gradiente
   3.4 Backpropagation
   3.5 Protocolos de treinamento
   3.6 Dados de treinamento

II. Modelos Profundos

4. Componentes de Modelos
   4.1 A noção de camada
   4.2 Camadas lineares
   4.3 Funções de ativação
   4.4 Pooling
   4.5 Dropout
   4.6 Camadas de normalização
   4.7 Skip connections
   4.8 Camadas de atenção
   4.9 Embedding de tokens
   4.10 Codificação posicional
5. Arquiteturas
   5.1 Perceptrons Multicamadas
   5.2 Redes convolucionais
   5.3 Modelos de atenção

III. Aplicações

6. Predição
   6.1 Remoção de ruído em imagens
   6.2 Classificação de imagens
   6.3 Detecção de objetos
   6.4 Segmentação semântica
   6.5 Reconhecimento de fala
   6.6 Representações texto-imagem
7. Síntese
   7.1 Geração de texto
   7.2 Geração de imagens

[readiz]

A lista de leitura só aumenta. kkk

[yinn27]

Obrigado.

[ryudaewan]

A idade já está cobrando seu preço e minha vista de perto já foi embora faz um tempo, então, de cara, é ótimo que a letra seja grande ^^

[pugh123]

Obrigado pelo ótimo material.