Deep Learning with TensorFlow 2 and Keras. Regression, ConvNets, GANs, RNNs, NLP, and more with TensorFlow 2 and the Keras API - Second Edition

Antonio Gulli, Amita Kapoor, Sujit Pal

Deep Learning with TensorFlow 2 and Keras, Second Edition teaches neural networks and deep learning techniques alongside TensorFlow (TF) and Keras. You’ll learn how to write deep learning applications in the most powerful, popular, and scalable machine learning stack available.TensorFlow is the machine learning library of choice for professional applications, while Keras offers a simple and powerful Python API for accessing TensorFlow. TensorFlow 2 provides full Keras integration, making advanced machine learning easier and more convenient than ever before.This book also introduces neural networks with TensorFlow, runs through the main applications (regression, ConvNets (CNNs), GANs, RNNs, NLP), covers two working example apps, and then dives into TF in production, TF mobile, and using TensorFlow with AutoML.

Deep Learning with TensorFlow and Keras. Build and deploy supervised, unsupervised, deep, and reinforcement learning models - Third Edition

Amita Kapoor, Antonio Gulli, Sujit Pal, François Chollet

Deep Learning with TensorFlow and Keras teaches you neural networks and deep learning techniques using TensorFlow (TF) and Keras. You'll learn how to write deep learning applications in the most powerful, popular, and scalable machine learning stack available.TensorFlow 2.x focuses on simplicity and ease of use, with updates like eager execution, intuitive higher-level APIs based on Keras, and flexible model building on any platform. This book uses the latest TF 2.0 features and libraries to present an overview of supervised and unsupervised machine learning models and provides a comprehensive analysis of deep learning and reinforcement learning models using practical examples for the cloud, mobile, and large production environments.This book also shows you how to create neural networks with TensorFlow, runs through popular algorithms (regression, convolutional neural networks (CNNs), transformers, generative adversarial networks (GANs), recurrent neural networks (RNNs), natural language processing (NLP), and graph neural networks (GNNs)), covers working example apps, and then dives into TF in production, TF mobile, and TensorFlow with AutoML.

Deep Learning with TensorFlow. Explore neural networks and build intelligent systems with Python - Second Edition

Giancarlo Zaccone, Md. Rezaul Karim

Deep learning is a branch of machine learning algorithms based on learning multiple levels of abstraction. Neural networks, which are at the core of deep learning, are being used in predictive analytics, computer vision, natural language processing, time series forecasting, and to perform a myriad of other complex tasks.This book is conceived for developers, data analysts, machine learning practitioners and deep learning enthusiasts who want to build powerful, robust, and accurate predictive models with the power of TensorFlow, combined with other open source Python libraries. Throughout the book, you’ll learn how to develop deep learning applications for machine learning systems using Feedforward Neural Networks, Convolutional Neural Networks, Recurrent Neural Networks, Autoencoders, and Factorization Machines. Discover how to attain deep learning programming on GPU in a distributed way.You'll come away with an in-depth knowledge of machine learning techniques and the skills to apply them to real-world projects.

Deep Learning with TensorFlow. Explore neural networks with Python

Giancarlo Zaccone, Md. Rezaul Karim, Ahmed Menshawy

Deep learning is the step that comes after machine learning, and has more advancedimplementations. Machine learning is not just for academics anymore, but is becoming a mainstream practice through wide adoption, and deep learning has taken the front seat. As a data scientist, if you want to explore data abstraction layers, this book will be your guide. This book shows how this can be exploited in the real world with complex raw data using TensorFlow 1.x.Throughout the book, you’ll learn how to implement deep learning algorithms for machine learning systems and integrate them into your product offerings, includingsearch, image recognition, and language processing. Additionally, you’ll learn howto analyze and improve the performance of deep learning models. This can be done bycomparing algorithms against benchmarks, along with machine intelligence, to learnfrom the information and determine ideal behaviors within a specific context.After finishing the book, you will be familiar with machine learning techniques, in particular the use of TensorFlow for deep learning, and will be ready to apply your knowledge to research or commercial projects.

Deep Learning with Theano. Perform large-scale numerical and scientific computations efficiently

Christopher Bourez

This book offers a complete overview of Deep Learning with Theano, a Python-based library that makes optimizing numerical expressions and deep learning models easy on CPU or GPU.The book provides some practical code examples that help the beginner understand how easy it is to build complex neural networks, while more experimented data scientists will appreciate the reach of the book, addressing supervised and unsupervised learning, generative models, reinforcement learning in the fields of image recognition, natural language processing, or game strategy.The book also discusses image recognition tasks that range from simple digit recognition, image classification, object localization, image segmentation, to image captioning. Natural language processing examples include text generation, chatbots, machine translation, and question answering. The last example deals with generating random data that looks real and solving games such as in the Open-AI gym. At the end, this book sums up the best -performing nets for each task. While early research results were based on deep stacks of neural layers, in particular, convolutional layers, the book presents the principles that improved the efficiency of these architectures, in order to help the reader build new custom nets.

Deep learning z TensorFlow 2 i Keras dla zaawansowanych. Sieci GAN i VAE, deep RL, uczenie nienadzorowane, wykrywanie i segmentacja obiektów i nie tylko. Wydanie II

Rowel Atienza

Oto propozycja dla specjalistów zajmujących się programowaniem sztucznej inteligencji i studentów kształcących się w tej dziedzinie. Autor przybliża tajniki tworzenia sieci neuronowych stosowanych w uczeniu głębokim i pokazuje, w jaki sposób używać w tym celu bibliotek Keras i TensorFlow. Objaśnia zagadnienia dotyczące programowania AI zarówno w teorii, jak i praktyce. Liczne przykłady, czytelna oprawa graficzna i logiczne wywody sprawiają, że to skuteczne narzędzie dla każdego, kto chce się nauczyć budowania sieci neuronowych typu MLP, CNN i RNN. Książka wprowadza w teoretyczne fundamenty uczenia głębokiego - znalazły się w niej wyjaśnienia podstawowych pojęć związanych z tą dziedziną i różnice pomiędzy poszczególnymi typami sieci neuronowych. Opisano tutaj również metody programowania algorytmów używanych w uczeniu głębokim i sposoby ich wdrażania. Dzięki lekturze lepiej zrozumiesz sieci neuronowe, nauczysz się ich tworzenia i zastosowania w różnych projektach z zakresu AI. Polecamy tę książkę każdemu, kto: chce zrozumieć, jak działają sieci neuronowe i w jaki sposób się je tworzy specjalizuje się w uczeniu głębokim lub zamierza lepiej poznać tę dziedzinę posługuje się sieciami neuronowymi w programowaniu chce się nauczyć stosować biblioteki Keras i TensorFlow w uczeniu głębokim

Deep Reinforcement Learning Hands-On. A practical and easy-to-follow guide to RL from Q-learning and DQNs to PPO and RLHF - Third Edition

Maxim Lapan

Start your journey into reinforcement learning (RL) and reward yourself with the third edition of Deep Reinforcement Learning Hands-On. This book takes you through the basics of RL to more advanced concepts with the help of various applications, including game playing, discrete optimization, stock trading, and web browser navigation. By walking you through landmark research papers in the fi eld, this deep RL book will equip you with practical knowledge of RL and the theoretical foundation to understand and implement most modern RL papers. The book retains its approach of providing concise and easy-to-follow explanations from the previous editions. You'll work through practical and diverse examples, from grid environments and games to stock trading and RL agents in web environments, to give you a well-rounded understanding of RL, its capabilities, and its use cases. You'll learn about key topics, such as deep Q-networks (DQNs), policy gradient methods, continuous control problems, and highly scalable, non-gradient methods. If you want to learn about RL through a practical approach using OpenAI Gym and PyTorch, concise explanations, and the incremental development of topics, then Deep Reinforcement Learning Hands-On, Third Edition, is your ideal companion

Deep Reinforcement Learning Hands-On. Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more - Second Edition

Maxim Lapan

Deep Reinforcement Learning Hands-On, Second Edition is an updated and expanded version of the bestselling guide to the very latest reinforcement learning (RL) tools and techniques. It provides you with an introduction to the fundamentals of RL, along with the hands-on ability to code intelligent learning agents to perform a range of practical tasks.With six new chapters devoted to a variety of up-to-the-minute developments in RL, including discrete optimization (solving the Rubik's Cube), multi-agent methods, Microsoft's TextWorld environment, advanced exploration techniques, and more, you will come away from this book with a deep understanding of the latest innovations in this emerging field.In addition, you will gain actionable insights into such topic areas as deep Q-networks, policy gradient methods, continuous control problems, and highly scalable, non-gradient methods. You will also discover how to build a real hardware robot trained with RL for less than $100 and solve the Pong environment in just 30 minutes of training using step-by-step code optimization.In short, Deep Reinforcement Learning Hands-On, Second Edition, is your companion to navigating the exciting complexities of RL as it helps you attain experience and knowledge through real-world examples.

Deep Reinforcement Learning Hands-On. Apply modern RL methods, with deep Q-networks, value iteration, policy gradients, TRPO, AlphaGo Zero and more

Maxim Lapan

Deep Reinforcement Learning Hands-On is a comprehensive guide to the very latest DL tools and their limitations. You will evaluate methods including Cross-entropy and policy gradients, before applying them to real-world environments. Take on both the Atari set of virtual games and family favorites such as Connect4.The book provides an introduction to the basics of RL, giving you the know-how to code intelligent learning agents to take on a formidable array of practical tasks. Discover how to implement Q-learning on 'grid world' environments, teach your agent to buy and trade stocks, and find out how natural language models are driving the boom in chatbots.

Deep Reinforcement Learning with Python. Master classic RL, deep RL, distributional RL, inverse RL, and more with OpenAI Gym and TensorFlow - Second Edition

Sudharsan Ravichandiran

With significant enhancements in the quality and quantity of algorithms in recent years, this second edition of Hands-On Reinforcement Learning with Python has been revamped into an example-rich guide to learning state-of-the-art reinforcement learning (RL) and deep RL algorithms with TensorFlow 2 and the OpenAI Gym toolkit.In addition to exploring RL basics and foundational concepts such as Bellman equation, Markov decision processes, and dynamic programming algorithms, this second edition dives deep into the full spectrum of value-based, policy-based, and actor-critic RL methods. It explores state-of-the-art algorithms such as DQN, TRPO, PPO and ACKTR, DDPG, TD3, and SAC in depth, demystifying the underlying math and demonstrating implementations through simple code examples.The book has several new chapters dedicated to new RL techniques, including distributional RL, imitation learning, inverse RL, and meta RL. You will learn to leverage stable baselines, an improvement of OpenAI’s baseline library, to effortlessly implement popular RL algorithms. The book concludes with an overview of promising approaches such as meta-learning and imagination augmented agents in research.By the end, you will become skilled in effectively employing RL and deep RL in your real-world projects.

Deesis. Idea wstawiennictwa Bogarodzicy i św. Jana Chrzciciela w kulturze średniowiecznej

Roman Mazurkiewicz

Dlaczego w Bogurodzicy, najstarszej polskiej pieśni religijnej, obok Matki Bożej pojawia się postać św. Jana Chrzciciela jako największego po Maryi orędownika ludzi zwracających się w modlitwie do Chrystusa? Na to banalne z pozoru pytanie stara się odpowiedzieć w szerokim kontekście kultury religijnej wieków średnich niniejsza książka. Jej tematem są bowiem narodziny i dzieje Deesis – idei orędownictwa Matki Bożej i św. Jana Chrzciciela jako najważniejszych pośredników pomiędzy Chrystusem-Sędzią a grzeszną ludzkością. Praca ukazuje różnorakie przejawy tego maryjno-joannologicznego prymatu w kulturze średniowiecznej, poczynając od Biblii i apokryfów, poprzez teksty ojców Kościoła, liturgię, hymnografię i literaturę, aż po ikonografię, w której idea Deesis uzyskała swój najpełniejszy wyraz. Szczególną uwagę poświęcono Bogurodzicy – najdawniejszemu świadectwu żywotności idei Deesis w kulturze naszego średniowiecza.   Roman Mazurkiewicz, historyk literatury staropolskiej, profesor w Instytucie Filologii Polskiej Uniwersytetu Pedagogicznego w Krakowie. Autor ponad stu prac naukowych i edytorskich, twórca i redaktor serwisu naukowo-edukacyjnego Staropolska.pl. Ważniejsze publikacje książkowe: Tradycja świętojańska w literaturze staropolskiej, Kraków 1993; Zrozumieć średniowiecze. Wypisy, konteksty i materiały literackie, Tarnów 1994; Teksty o Matce Bożej. Polskie średniowiecze, Niepokalanów 2000; Polskie średniowieczne pieśni maryjne. Studia filologiczne, Kraków 2002, Przedziwna Matka Stworzyciela Swego. Antologia dawnej polskiej poezji maryjnej, Warszawa 2008; Z dawnej literatury maryjnej. Zarysy i zbliżenia, Kraków 2011.

Defending APIs. Uncover advanced defense techniques to craft secure application programming interfaces

Colin Domoney, Chris Wysopal, Isabelle Mauny

Along with the exponential growth of API adoption comes a rise in security concerns about their implementation and inherent vulnerabilities. For those seeking comprehensive insights into building, deploying, and managing APIs as the first line of cyber defense, this book offers invaluable guidance. Written by a seasoned DevSecOps expert, Defending APIs addresses the imperative task of API security with innovative approaches and techniques designed to combat API-specific safety challenges.The initial chapters are dedicated to API building blocks, hacking APIs by exploiting vulnerabilities, and case studies of recent breaches, while the subsequent sections of the book focus on building the skills necessary for securing APIs in real-world scenarios.Guided by clear step-by-step instructions, you’ll explore offensive techniques for testing vulnerabilities, attacking, and exploiting APIs. Transitioning to defensive techniques, the book equips you with effective methods to guard against common attacks. There are plenty of case studies peppered throughout the book to help you apply the techniques you’re learning in practice, complemented by in-depth insights and a wealth of best practices for building better APIs from the ground up.By the end of this book, you’ll have the expertise to develop secure APIs and test them against various cyber threats targeting APIs.

Defensive Security with Kali Purple. Cybersecurity strategies using ELK Stack and Kali Linux

Karl Lane

Defensive Security with Kali Purple combines red team tools from the Kali Linux OS and blue team tools commonly found within a security operations center (SOC) for an all-in-one approach to cybersecurity. This book takes you from an overview of today's cybersecurity services and their evolution to building a solid understanding of how Kali Purple can enhance training and support proof-of-concept scenarios for your technicians and analysts.After getting to grips with the basics, you’ll learn how to develop a cyber defense system for Small Office Home Office (SOHO ) services. This is demonstrated through the installation and configuration of supporting tools such as virtual machines, the Java SDK, Elastic, and related software. You’ll then explore Kali Purple’s compatibility with the Malcolm suite of tools, including Arkime, CyberChef, Suricata, and Zeek. As you progress, the book introduces advanced features, such as security incident response with StrangeBee’s Cortex and TheHive and threat and intelligence feeds. Finally, you’ll delve into digital forensics and explore tools for social engineering and exploit development.By the end of this book, you’ll have a clear and practical understanding of how this powerful suite of tools can be implemented in real-world scenarios.

Definicje deiktyczne a pojęcia. Badania z pogranicza filozofii języka i psychologii kognitywnej

Wiesław Walentukiewicz

Publikacja dotyczy uczenia pojęć oraz języka. Nauka ta odbywa się często w kontekście ostensywnym, w którym szczególną rolę odgrywają definicje deiktyczne. Autor skupia się na czterech czynnikach, które spełniają istotną funkcję podczas nauki języka – chodzi tu o czynniki fizjologiczne, kulturowe, psychologiczne oraz filozoficzne. Uzasadniając, iż początkowo podczas nauki języka uczący się wykorzystuje podobieństwo ogólne, spróbowano rozwiązać także inne kwestie: niemożliwości ustalenia cech przed ustaleniem elementów zbioru, niemożliwości ustalenia elementów zbioru przed ustaleniem cech, nieskończonego porównania przedmiotów w celu ustalenia cech. Autor wyodrębnia i opisuje cztery rodzaje pojęć: podstawowe, prototypowe, klasyczne, egzemplarzowe, zaznaczając, że szczególną rolę odgrywają pojęcia budowane najwcześniej – pojęcia podstawowe. Aby uczący się mógł posługiwać się nazwami ogólnymi, wcześniej musi opanować zdolność budowania pojęć podstawowych, prototypowych i klasycznych. Natomiast opanowanie zdolności budowania pojęć egzemplarzowych jest mu potrzebne do posługiwania się nazwami jednostkowymi, w szczególności imionami własnymi. Autor dowodzi, iż zarówno nazwy ogólne, jak i nazwy jednostkowe są wprowadzane do języka za pomocą aktów nazywania (definicje ostensywne proste), a następnie na podstawie definicji deiktycznych złożonych budowane są dla nich umysłowe reprezentacje (pojęcia). W tym ostatnim przypadku definicje ostensywne przyjmują schemat definicji indukcyjnych. Autor w swej pracy wykorzystał nie tylko wyniki badań filozofów, głównie te dotyczące definicji deiktycznych, ale także czerpał z wyników badań psychologów kognitywnych, zwłaszcza tych dotyczących pojęć.

Deformacje nowoczesności

Tomasz Swoboda

Uparte, niekiedy rozpaczliwe poszukiwanie formy. Tęsknota za bezpiecznym zestawem słów, za „formułą”, która choć na chwilę zatrzymałaby nieustanny potok mowy, znaków i obrazów. Nowe próby, wynalazki, pomysły, do utraty sił, do utraty tchu, do końca. Niektórzy się domyślają, że tego marzenia nie da się zrealizować, że to tylko mrzonka, majak, niebezpieczna ułuda. Niebezpieczna, gdyż grozi ostateczną utratą poczucia rzeczywistości, pogrążeniem się w oparach mitu, w odmętach wyobraźni. Mimo to brną w te próżne rejony, wyruszają w podróże bez powrotu. Czy tak zwana rzeczywistość oferuje coś lepszego? Inni znowu obnażają jałowość tych prób, pokazują, że szukać należy inaczej i gdzie indziej. Choć i tak się nie znajdzie. Forma zawsze się wymyka, wyślizguje, wypada z rąk i wychodzi z kadru. Mniej więcej tak mogłaby wyglądać opowieść o tym, co zwykliśmy nazywać nowoczesnością. Roussel, Bataille, Deleuze, Barthes, Rainer – między innymi to o nich jest ta opowieść.

Defraudacja

Zuzanna Ginczanka

Zuzanna Ginczanka O centaurach Defraudacja O rublowe, talarowe, o brzęczące dni, czerwońcami dzwonił czerwiec, potrząsiście dzwonił trzosem, północami jak reszkami księżycowy połysk lśnił, południami jak orłami słońce biło w oczy kłosom a ja sama, a ja słaba wśród rojeń zapomniałam, że te dni są *... Zuzanna Ginczanka Ur. w 1917 r. w Kijowie Zm. w 1944 r. w Krakowie Najważniejsze dzieła: Non omnis moriar, Futro Poetka okresu dwudziestolecia wojennego i czasu wojny; pierwotne nazwisko: Sara Ginsburg. Po ukończeniu gimnazjum w Równem studiowała od 1935 roku na wydziale humanistycznym UW, biorąc jednocześnie udział w życiu literackim. Wraz z W. Iwaniukiem, Janczarskim i in. tworzyła grupę literacką Wołyń; należała do najmłodszych współpracowników Skamandra; utwory swe ogłaszała w Wiadomościach Literackich, Sygnałach i Szpilkach. Wydała tom wierszy O centaurach (1936), stanowiący poetycką pochwałę biologicznej, zmysłowej strony życia. W późniejszych jej wierszach pojawia się niepokój światopoglądowy, krytyka społeczna. Ginczanka jest autorką ostrych i celnych satyr politycznych, przede wszystkim o charakterze antyfaszystowskim (Łowy, Prasa, Praczki) oraz m.in. satyry środowiskowej Ballada o krytykach poezję wertujących. Została wydana przez szmalcowników i zamordowana przez hitlerowców; wstrząsający wiersz Non omnis moriar z 1942 r. zawiera gorzką wizję jej przyszłego losu. Kupując książkę wspierasz fundację Nowoczesna Polska, która propaguje ideę wolnej kultury. Wolne Lektury to biblioteka internetowa, rozwijana pod patronatem Ministerstwa Edukacji Narodowej. W jej zbiorach znajduje się kilka tysięcy utworów, w tym wiele lektur szkolnych zalecanych do użytku przez MEN, które trafiły już do domeny publicznej. Wszystkie dzieła są odpowiednio opracowane - opatrzone przypisami oraz motywami.