Verleger: 8
Holly Brickley
Coś dla fanów Daisy Jones & The Six i Jednego dnia. Historia miłości Percy i Joego trzyma w niepewności do samego końca Stworzona na wielki ekran! The i Paper Jest rok 2000. Kiedy Joe puszcza Percy jedną ze swoich piosenek, dziewczyna od razu wie, że: po pierwsze, ma przed sobą przyszłą gwiazdę, po drugie, pomoże wydobyć z jego muzyki to coś, po trzecie, zawsze będzie grała w tym duecie drugie skrzypce. Mimo uzasadnionej zazdrości Percy podejmuje współpracę z przystojnym muzykiem. Dzięki jej surowej krytyce piosenki Joego zyskują status hitów. Razem tworzą elektryzującą muzykę, a proces twórczy uświadamia im coś jeszcze ich miłość jest nieuchronna i bez wątpienia skończy się złamanym sercem. Czy kiedy Joe stanie w świetle reflektorów, Percy uda się przełknąć zazdrość i cieszyć się z sukcesu przyjaciela? I czy on poradzi sobie bez niej? Deep Cuts to nieodkładalna powieść o pasji i namiętności, miłości i tęsknocie, a przede wszystkim o potrzebie mówienia własnym głosem. Wielowarstwowa, głęboka i działająca na wyobraźnię proza, pełna walkmanów i etui na płyty CD, miłości i tęsknoty (och, tęsknoty jest tu pod dostatkiem) oraz wnikliwych muzycznych analiz. Postaci wykorzystują muzykę jako narzędzie, by zrozumieć siebie. Efekt zapiera dech w piersiach. The Bookseller, Book of the Month Pokochałam Deep Cuts do utraty tchu to mądra, trafiająca prosto w serce proza, od której nie sposób się oderwać. Ta powieść rzuci na ciebie urok i nie odpuści do ostatniej strony. Miranda Cowley Heller, autorka bestsellera New York Timesa Papierowy Pałac Wzruszająca, piękna, pełna emocji. Coś wspaniałego! Beth OLeary, autorka Współlokatorów To książka o ludziach z pokolenia millenialsów, którzy próbują zbudować coś pięknego w świecie, który dawno przestał być prosty. W tle grają Fleetwood Mac, Joni Mitchell i Beatlesi, a muzyka staje się mapą ich wzlotów i upadków. Wciągająca, autentyczna i pełna emocji do ostatniej strony! Aleksandra Pakieła, @ola_czyta, recenzentka literacka, twórczyni videocastu Weź pożycz Historia o piosence, która długo nie mogła wybrzmieć i o dwojgu ludzi, którzy nie chcieli jej usłyszeć. Deep Cuts to opowieść o przyjaźni, ambicji i muzyce, która zmienia wszystko. Przenika ją nostalgia i tęsknota za dźwiękami minionych dekad. Dla tych, którzy kiedyś zbyt długo milczeli nie tylko fanów indie rocka. Łukasz Chmara, @talkincloud W świecie, gdzie każdy dźwięk niesie wspomnienia, a każdy tekst otwiera serce, Holly Brickley tworzy pełną czułości i ironii historię o poszukiwaniu własnego głosu. Deep Cuts to hymn dla tych, którzy wciąż wierzą w magię pierwszych piosenek. @Literaccy
Monika Mathe
osCommerce has been around since March 2000. At present there are over 10,000 live, registered osCommerce sites, and about 100,000 registered community members. Apart from providing ready-made solutions to problems, as well as a huge repository of information, the osCommerce community is a living entity with which we can all interact. With the rising success and popularity of this remarkable piece of software, things can only get better.
Cuantum Technologies LLC
Dive into the world of deep learning with this comprehensive guide that bridges theory and practice. From foundational neural networks to advanced architectures like CNNs, RNNs, and Transformers, this book equips you with the tools to build, train, and optimize AI models using TensorFlow, Keras, and PyTorch. Clear explanations of key concepts such as gradient descent, loss functions, and backpropagation are combined with hands-on exercises to ensure practical understanding.Explore cutting-edge AI frameworks, including generative adversarial networks (GANs) and autoencoders, while mastering real-world applications like image classification, text generation, and natural language processing. Detailed chapters cover transfer learning, fine-tuning pretrained models, and deployment strategies for cloud and edge computing. Practical exercises and projects further solidify your skills as you implement AI solutions for diverse challenges.Whether you're deploying AI models on cloud platforms like AWS or optimizing them for edge devices with TensorFlow Lite, this book provides step-by-step guidance. Designed for developers, AI enthusiasts, and data scientists, it balances theoretical depth with actionable insights, making it the ultimate resource for mastering modern deep learning frameworks and advancing your career in AI
Cher Simon
Despite promising advances, the opaque nature of deep learning models makes it difficult to interpret them, which is a drawback in terms of their practical deployment and regulatory compliance.Deep Learning and XAI Techniques for Anomaly Detection shows you state-of-the-art methods that’ll help you to understand and address these challenges. By leveraging the Explainable AI (XAI) and deep learning techniques described in this book, you’ll discover how to successfully extract business-critical insights while ensuring fair and ethical analysis.This practical guide will provide you with tools and best practices to achieve transparency and interpretability with deep learning models, ultimately establishing trust in your anomaly detection applications. Throughout the chapters, you’ll get equipped with XAI and anomaly detection knowledge that’ll enable you to embark on a series of real-world projects. Whether you are building computer vision, natural language processing, or time series models, you’ll learn how to quantify and assess their explainability.By the end of this deep learning book, you’ll be able to build a variety of deep learning XAI models and perform validation to assess their explainability.
Deep learning is a popular subset of machine learning, and it allows you to build complex models that are faster and give more accurate predictions. This book is your companion to take your first steps into the world of deep learning, with hands-on examples to boost your understanding of the topic.This book starts with a quick overview of the essential concepts of data science and machine learning which are required to get started with deep learning. It introduces you to Tensorflow, the most widely used machine learning library for training deep learning models. You will then work on your first deep learning problem by training a deep feed-forward neural network for digit classification, and move on to tackle other real-world problems in computer vision, language processing, sentiment analysis, and more. Advanced deep learning models such as generative adversarial networks and their applications are also covered in this book.By the end of this book, you will have a solid understanding of all the essential concepts in deep learning. With the help of the examples and code provided in this book, you will be equipped to train your own deep learning models with more confidence.
Deep learning dla programistów. Budowanie aplikacji AI za pomocą fastai i PyTorch
Jeremy Howard, Sylvain Gugger
Uczenie głębokie zmienia oblicze wielu branż. Ta rewolucja już się zaczęła, jednak potencjał AI i sieci neuronowych jest znacznie większy. Korzystamy więc dziś z osiągnięć komputerowej analizy obrazu i języka naturalnego, wspierania badań naukowych czy budowania skutecznych strategii biznesowych - wchodzimy do świata, który do niedawna był dostępny głównie dla naukowców. W konsekwencji trudno o źródła wiedzy, które równocześnie byłyby przystępne dla zwykłych programistów i miały wysoką wartość merytoryczną. Problem polega na tym, że bez dogłębnego zrozumienia działania algorytmów uczenia głębokiego trudno tworzyć dobre aplikacje. Oto praktyczny i przystępny przewodnik po koncepcjach uczenia głębokiego, napisany tak, aby ułatwić zrozumienie najnowszych technik w tej dziedzinie bez znajomości wyższej matematyki. Książka daje znakomite podstawy uczenia głębokiego, a następnie stopniowo wprowadza zagadnienia sposobu działania modeli, ich budowy i trenowania. Pokazano w niej również praktyczne techniki przekształcania modeli w działające aplikacje. Znalazło się tu mnóstwo wskazówek ułatwiających poprawianie dokładności, szybkości i niezawodności modeli. Nie zabrakło też informacji o najlepszych sposobach wdrażania od podstaw algorytmów uczenia głębokiego i stosowaniu ich w najnowocześniejszych rozwiązaniach. W książce między innymi: gruntownie i przystępnie omówione podstawy uczenia głębokiego najnowsze techniki uczenia głębokiego i ich praktyczne zastosowanie działanie modeli oraz zasady ich treningu praktyczne tworzenie aplikacji korzystających z uczenia głębokiego wdrażanie algorytmów uczenia głębokiego etyczne implikacje AI Uczenie głębokie? Dobrze zrozum, dobrze zastosuj!
Wei Di, Jianing Wei, Anurag Bhardwaj
Deep Learning a trending topic in the field of Artificial Intelligence today and can be considered to be an advanced form of machine learning. This book will help you take your first steps in training efficient deep learning models and applying them in various practical scenarios. You will model, train, and deploy different kinds of neural networks such as CNN, RNN, and will see some of their applications in real-world domains including computer vision, natural language processing, speech recognition, and so on. You will build practical projects such as chatbots, implement reinforcement learning to build smart games, and develop expert systems for image captioning and processing using Python library such as TensorFlow. This book also covers solutions for different problems you might come across while training models, such as noisy datasets, and small datasets.By the end of this book, you will have a firm understanding of the basics of deep learning and neural network modeling, along with their practical applications.
Dr. Pablo Rivas
With information on the web exponentially increasing, it has become more difficult than ever to navigate through everything to find reliable content that will help you get started with deep learning. This book is designed to help you if you're a beginner looking to work on deep learning and build deep learning models from scratch, and you already have the basic mathematical and programming knowledge required to get started.The book begins with a basic overview of machine learning, guiding you through setting up popular Python frameworks. You will also understand how to prepare data by cleaning and preprocessing it for deep learning, and gradually go on to explore neural networks. A dedicated section will give you insights into the working of neural networks by helping you get hands-on with training single and multiple layers of neurons. Later, you will cover popular neural network architectures such as CNNs, RNNs, AEs, VAEs, and GANs with the help of simple examples, and learn how to build models from scratch. At the end of each chapter, you will find a question and answer section to help you test what you've learned through the course of the book.By the end of this book, you'll be well-versed with deep learning concepts and have the knowledge you need to use specific algorithms with various tools for different tasks.