Deep Learning with PyTorch Step-by-Step: A Beginner’s Guide
Эта книга представляет собой пошаговое руководство по глубокому обучению с использованием фреймворка PyTorch, специально разработанное для начинающих. Автор следует принципу Ричарда Фейнмана «Что я не могу создать, того я не понимаю», делая акцент на практическом освоении материала через создание работающих моделей.
Книга начинается с обоснования выбора PyTorch как инструмента для глубокого обучения и объяснения философии подхода «сначала код». Она охватывает все ключевые этапы рабочего процесса Data Scientist: от настройки окружения (включая локальную установку через Anaconda и использование облачных сред вроде Google Colab) до построения, обучения, оценки и развертывания нейронных сетей.
Основное содержание построено вокруг практических примеров и реализации моделей «с нуля» для формирования глубокого понимания внутренних механизмов, прежде чем переходить к использованию высокоуровневых абстракций PyTorch. Книга учит не только API фреймворка, но и фундаментальным концепциям глубокого обучения, таким как автоматическое дифференцирование, градиентный спуск и архитектуры нейронных сетей.
Издание включает FAQ, руководство по настройке, ссылки на официальный репозиторий с кодом и регулярно обновляется (последняя версия 1.2 вышла в 2024 году). Оно подходит для читателей с базовыми знаниями Python и математики, желающих начать карьеру в области машинного обучения и Data Science.
