Deep Learning per programmatori con fastai e PyTorch

Prefazione

In pochissimo tempo, il deep learning è diventato una tecnica molto utile, per risolvere e automatizzare problemi di computer vision, robotica, sanità, fisica, biologia e altro ancora. Uno degli aspetti più interessanti del deep learning è la sua relativa semplicità. I potenti software per l'apprendimento profondo sono stati realizzati in modo da rendere facile e veloce iniziare a lavorare. In poche settimane potrai capire le basi e prendere confidenza con letecniche.

Questo apre un mondo di creatività. Inizi ad applicarla a problemi che hanno dati a portata di mano e ti sentirai benissimo nel vedere una macchina che risolve i problemi al posto tuo. Tuttavia, senti che ti stai avvicinando a una barriera gigantesca. Hai costruito un modello di deep learning, ma non funziona bene come speravi. A questo punto, ti trovi di fronte alla fase successiva: trovare e leggere lo stato dell'arte della ricerca sul deep learning.

Tuttavia, esiste una vasta gamma di conoscenze sul deep learning, con tre decenni di teoria, tecniche e strumenti alle spalle. Leggendo alcune di queste ricerche, ti rendi conto che gli esseri umani possono spiegare cose semplici in modi davvero complicati. Gli scienziati usano parole e notazioni matematiche che sembrano estranee e nessun libro di testo o post sul blog sembra coprire il background necessario in modo accessibile. Gli ingegneri e i programmatori danno per scontato che tu sappia come funzionano le GPU e che conosca strumenti oscuri.

A questo ...