Hands On Python Deep Learning for Web
1.0.0
Este es el repositorio de código para el aprendizaje profundo de Python práctico para la web de Anubhav Singh y Sayak Paul, publicado por Packt.
Integración de arquitecturas de redes neuronales para crear aplicaciones web inteligentes con frascos, django y tensorflow
Cuando se usan de manera efectiva, las técnicas de aprendizaje profundo pueden ayudarlo a desarrollar aplicaciones web inteligentes. En este libro, cubrirá las últimas herramientas y prácticas tecnológicas que se están utilizando para implementar el aprendizaje profundo en el desarrollo web utilizando Python. Comenzando con los fundamentos del aprendizaje automático, se centrará en DL y los conceptos básicos de las redes neuronales, incluidas las variantes comunes como las redes neuronales convolucionales (CNN). Aprenderá cómo integrarlos en sitios web con los frontends de diferentes pilas de tecnología web estándar. Luego, el libro lo ayuda a obtener experiencia práctica en el desarrollo de una aplicación web habilitada para el aprendizaje profundo que utiliza bibliotecas de Python como Django y Flask al crear API RESTful para modelos personalizados. Más tarde, explorará cómo configurar un entorno en la nube para implementaciones web basadas en el aprendizaje profundo en Google Cloud y Amazon Web Services (AWS).
Este libro cubre las siguientes características emocionantes:
Si cree que este libro es para usted, ¡obtenga su copia hoy!
Todo el código está organizado en carpetas. Por ejemplo, capítulo02.
El código se verá como el siguiente:
if (test expression)
{
Statement upon condition is true
}
Lo siguiente es lo que necesita para este libro: este libro de aprendizaje profundo es para científicos de datos, profesionales de aprendizaje automático e ingenieros de aprendizaje profundo que buscan realizar técnicas y metodologías de aprendizaje profundo en la web. También encontrará este libro útil si es un desarrollador web que desea implementar técnicas inteligentes en el navegador para hacerlo más interactivo. El conocimiento práctico del lenguaje de programación de Python y las técnicas básicas de aprendizaje automático serán beneficiosos.
Con la siguiente lista de software y hardware, puede ejecutar todos los archivos de código presentes en el libro (Capítulo 1-12).
| Capítulo | Se requiere software | OS requerido |
|---|---|---|
| 1-12 | Distribución de Anaconda de Python y otros paquetes de Python | 1 GB RAM Mínimo, 8 GB recomendado 15 GB de espacio en disco |
| 1-12 | Editor de código de su elección (recomendado el texto sublime 3) | 2 GB RAM |
También proporcionamos un archivo PDF que tiene imágenes en color de las capturas de pantalla/diagramas utilizados en este libro. Haga clic aquí para descargarlo.
Aprendizaje automático práctico con tensorflow.js [Packt] [Amazon]
Raspado web práctico con Python [Packt] [Amazon]
Anubhav Singh , un desarrollador web desde antes de que se lanzara Bootstrap, es un explorador de tecnologías, a menudo logrando combinaciones locas de tecnología poco común. Titular de rango internacional en la Olimpiada Cibernética, comenzó desarrollando su propia red social y motor de búsqueda como sus primeros proyectos a la edad de 15 años, que se encontraban entre los 500 sitios web principales de la India durante sus años operativos. Está desarrollando continuamente software para la comunidad en dominios con carreteras menos seguidas. A menudo puede atraparlo guiando a los estudiantes sobre cómo acercarse a ML o en la web, o a ambos juntos. También es el fundador de Code Foundation, una nueva empresa centrada en AI. ANUBHAV es un premio de becas Memorial de Venkat Pancapakesan y un innovador de software Intel.
Sayak Paul está actualmente con PyImageSearch, donde aplica un aprendizaje profundo para resolver problemas del mundo real en la visión por computadora y traer soluciones a los dispositivos Edge. Es responsable de proporcionar apoyo de preguntas y respuestas a los lectores de PyimageSearch. Sus áreas de interés incluyen visión por computadora, modelado generativo y más. Anteriormente en Datacamp, Sayak desarrolló proyectos y grupos de práctica. Antes de Datacamp, Sayak trabajó en TCS Research and Innovation (TRDDC) sobre la privacidad de los datos. Allí, él era parte de la aclamada solución GDPR de TCS llamada Crystal Ball. Fuera del trabajo, Sayak le encanta escribir artículos técnicos y hablar en reuniones y conferencias de desarrolladores.
Haga clic aquí si tiene algún comentario o sugerencia.
Si ya ha comprado una versión de impresión o Kindle de este libro, puede obtener una versión PDF sin DRM sin costo.
Simplemente haga clic en el enlace para reclamar su PDF gratuito.
https://packt.link/free-ebook/9781789956085
