Description
Il principio è costruire per capire: la teoria entra solo quanto basta a spiegare ciò che il codice sta facendo. Il lettore addestra circa venti modelli su problemi concreti, tra immagini, tabelle, testo, serie temporali e segnali di sensori, e ne porta alcuni fuori dall’ambiente di sviluppo.
Nove capitoli accompagnano il percorso: una rete costruita da zero con NumPy, il passaggio a PyTorch, i dati imperfetti con overfitting, classi sbilanciate e cross-validation, le reti convoluzionali e il transfer learning con Grad-CAM, le sequenze con LSTM e Transformer, i segnali con una CNN 1D per diagnosticare guasti, il rilevamento di anomalie con autoencoder e infine esportazione in ONNX, quantizzazione, FastAPI e controllo della deriva dei dati. Ogni risultato riportato deriva da un’esecuzione reale e, quando smentisce le attese, il testo lo dice.
Reti neurali: Manuale pratico con PyTorch si rivolge a programmatori, studenti e tecnici con basi di Python che preferiscono imparare sperimentando. Più di duecentocinquanta pagine, con figure generate dal codice stesso.
Chi lo compra riceve un file in ePub, PDF o MOBI, leggibile su Kindle, Kobo o tablet, mentre il codice gira sul computer.
