Hands On Python Deep Learning for Web
1.0.0
Este é o repositório de código para o Python Deep Learning for Web de Anubhav Singh e Sayak Paul, publicado pela Packt.
Integração de arquiteturas de rede neural para criar aplicativos da Web inteligentes com Flask, Django e Tensorflow
Quando usados de maneira eficaz, as técnicas de aprendizado profundo podem ajudá -lo a desenvolver aplicativos da Web inteligentes. Neste livro, você cobrirá as mais recentes ferramentas e práticas tecnológicas que estão sendo usadas para implementar o aprendizado profundo no desenvolvimento da Web usando o Python. Começando com os fundamentos do aprendizado de máquina, você se concentrará no DL e no básico das redes neurais, incluindo variantes comuns, como redes neurais convolucionais (CNNs). Você aprenderá como integrá -los em sites com os front -ends de diferentes pilhas de tecnologia da web padrão. O livro ajuda você a obter uma experiência prática de desenvolver um aplicativo da Web de aprendizado profundo usando bibliotecas Python, como Django e Flask, criando APIs RESTful para modelos personalizados. Mais tarde, você explorará como configurar um ambiente em nuvem para implantações da Web baseadas em aprendizado profundo no Google Cloud e Amazon Web Services (AWS).
Este livro aborda os seguintes recursos interessantes:
Se você acha que este livro é para você, pegue sua cópia hoje!
Todo o código está organizado em pastas. Por exemplo, Capítulo02.
O código será o seguinte:
if (test expression)
{
Statement upon condition is true
}
A seguir, é o que você precisa para este livro: Este livro de aprendizado profundo é para cientistas de dados, profissionais de aprendizado de máquina e engenheiros de aprendizado profundo que desejam realizar técnicas e metodologias de aprendizado profundo na web. Você também achará este livro útil se for um desenvolvedor da Web que deseja implementar técnicas inteligentes no navegador para torná -lo mais interativo. O conhecimento prático da linguagem de programação Python e as técnicas básicas de aprendizado de máquina serão benéficas.
Com a seguinte lista de software e hardware, você pode executar todos os arquivos de código presentes no livro (Capítulo 1-12).
| Capítulo | Software necessário | OS necessário |
|---|---|---|
| 1-12 | Distribuição da Anaconda de Python e outros pacotes Python | 1 GB de RAM mínima, 8 GB recomendou 15 GB de espaço em disco |
| 1-12 | Editor de código de sua escolha (Recomendado Text 3 Recomendado) | 2 GB RAM |
Também fornecemos um arquivo PDF que possui imagens coloridas das capturas de tela/diagramas usados neste livro. Clique aqui para baixá -lo.
Aprendizado de máquina prático com tensorflow.js [packt] [Amazon]
Raspagem prática na web com python [packt] [Amazon]
Anubhav Singh , um desenvolvedor da web desde antes do lançamento do Bootstrap, é um explorador de tecnologias, muitas vezes fazendo combinações loucas de tecnologia incomum. Um detentor internacional de classificação na Olimpíada Cibernética, ele começou desenvolvendo sua própria rede social e mecanismo de pesquisa como seus primeiros projetos aos 15 anos de idade, que estava entre os 500 sites principais da Índia durante seus anos operacionais. Ele está desenvolvendo continuamente software para a comunidade em domínios com estradas menos seguidas. Muitas vezes, você pode pegá -lo orientando os alunos sobre como abordar o ML ou a web, ou ambos juntos. Ele também é o fundador da Code Foundation, uma start-up focada na IA. Anubhav é um premiado de bolsa de estudos em Memorial do Venkat Panchapakesan e um inovador de software Intel.
Sayak Paul está atualmente no PyimageSearch, onde aplica um aprendizado profundo para resolver problemas do mundo real na visão computacional e trazer soluções para os dispositivos de borda. Ele é responsável por fornecer suporte a perguntas e respostas aos leitores do PyimageSearch. Suas áreas de interesse incluem visão computacional, modelagem generativa e muito mais. Anteriormente no Datacamp, a Sayak desenvolveu projetos e práticas. Antes do Datacamp, Sayak trabalhou na TCS Research and Inovation (TRDDC) na privacidade de dados. Lá, ele fazia parte da solução de GDPR da TCS, chamada Crystal Ball. Fora do trabalho, Sayak adora escrever artigos técnicos e falar em encontros e conferências de desenvolvedores.
Clique aqui se tiver algum feedback ou sugestão.
Se você já comprou uma versão impressa ou Kindle deste livro, pode obter uma versão PDF sem DRM sem nenhum custo.
Basta clicar no link para reivindicar seu PDF gratuito.
https://packt.link/free-ebook/9781789956085
