Courses
Deep Learning nâng cao với Keras
4 giờ
34.8K
Deep learning là một trong những chủ đề nóng nhất hiện nay trong khoa học dữ liệu. Là một phân nhánh của machine learning, deep learning tập trung vào các thuật toán mạnh mẽ lấy cảm hứng từ cấu trúc và chức năng của não người, gọi là mạng nơ-ron.
Phần lớn những tiến bộ trong trí tuệ nhân tạo những năm gần đây đến từ deep learning. Mạng nơ-ron đứng sau một số ứng dụng mang tính đột phá và ấn tượng nhất, bao gồm ô tô tự hành, chatbot, nhận dạng hình ảnh và robot. Với những phát triển mới nhất trong AI sinh tạo, lĩnh vực deep learning đang được quan tâm hơn bao giờ hết.
Nắm vững lý thuyết và thực hành về mạng nơ-ron đang nhanh chóng trở thành bước bắt buộc trong lộ trình học tập của các nhà khoa học dữ liệu và những chuyên gia dữ liệu khác. Tuy nhiên, deep learning là một chủ đề phức tạp, đòi hỏi sự quyết tâm và một mức độ trừu tượng nhất định để học.
Dưới đây là danh sách 10 cuốn sách deep learning thiết yếu sẽ giúp bạn trở thành chuyên gia trong lĩnh vực này, bất kể trình độ hiện tại. Nếu bạn muốn có thêm gợi ý, bạn cũng có thể xem danh sách các sách machine learning hay nhất nên đọc vào năm 2026.
Sách Deep Learning bằng Python
Hãy bắt đầu với các sách viết bằng Python.
1. Deep Learning with Python
Tác giả: François Chollet
Năm: Xuất bản lần đầu năm 2017; cập nhật năm 2021
Xuất bản lần đầu năm 2017, Deep Learning with Python nhanh chóng trở thành sách bán chạy, và bản cập nhật tháng 10/2021 có thêm nhiều góc nhìn và kỹ thuật thực tiễn. François Chollet, người tạo ra framework deep learning phổ biến Keras, khám phá lĩnh vực deep learning với những insight dành cho cả người mới bắt đầu lẫn các chuyên gia machine learning giàu kinh nghiệm.
Với phong cách dễ đọc và đơn giản, ấn bản thứ hai của Deep Learning with Python đi kèm các cập nhật phản ánh những phát triển gần đây trong lĩnh vực. Xuyên suốt các trang sách, bạn sẽ thấy những giải thích trực quan, hình minh hoạ màu sắc và ví dụ mã nguồn dựa trên Python, Keras và TensorFlow, cung cấp cho bạn mọi thứ cần để bắt đầu với deep learning. Bạn cũng có thể bắt đầu với TensorFlow và Keras bằng cách xem lộ trình kỹ năng Deep Learning bằng Python trên DataCamp.
2. Grokking Deep Learning
Tác giả: Andrew W. Trask
Năm: 2019
Grokking Deep Learning mang đến một trong những phần giới thiệu thân thiện nhất cho người mới về deep learning. Cuốn sách dạy bạn cách xây dựng mạng nơ-ron từ đầu, kết hợp lý thuyết trực quan với các mẫu mã, đáng chú ý là chỉ sử dụng Python và thư viện hỗ trợ toán học phổ biến NumPy.
Bao quát các tình huống sử dụng từ xử lý hình ảnh đến dịch văn bản sang ngôn ngữ khác, cuốn sách là nguồn tài liệu tuyệt vời để bắt đầu hành trình deep learning trước khi bạn sẵn sàng chuyển sang các framework phức tạp hơn.
3. Neural Networks and Deep Learning
Tác giả: Charu C. Aggarwal
Năm: 2018
Neural Networks and Deep Learning là một nguồn tài liệu xuất sắc khác dành cho những ai đang bước những bước đầu tiên vào thế giới deep learning. Cuốn sách bao quát các thuật toán deep learning quan trọng nhất với sự kết hợp cân bằng và dễ tiếp cận giữa lý thuyết, toán học và ví dụ mã Python. Sách thảo luận mối quan hệ giữa mạng nơ-ron và các thuật toán machine learning truyền thống. Đặc biệt phù hợp với sinh viên, sách được viết theo phong cách giáo trình và bao gồm bài tập, sách giải và slide cho giảng viên.
4. Fundamentals of Deep Learning
Tác giả: Nithin Buduma, Nikhil Buduma và Joe Papa
Năm: 2017
Khi mạng nơ-ron bắt đầu mang lại những kết quả “kỳ diệu” trong thập niên 2010, deep learning đã trở thành tuyến đầu của trí tuệ nhân tạo. Ngày nay, deep learning là một lĩnh vực nghiên cứu sôi động, cung cấp năng lượng cho nhiều ứng dụng sáng tạo nhất trong khoa học dữ liệu. Tuy nhiên, deep learning thường được xem là một bộ môn chỉ dành cho những người có kiến thức ở tầm tiến sĩ về machine learning và toán học do tính phức tạp của nó. Fundamentals of Deep Learning chứng minh điều ngược lại.
Mục tiêu của cuốn sách là giới thiệu bộ môn này mà không dùng đến biệt ngữ kỹ thuật. Dựa trên các ví dụ mã thực hành bằng Python, sách sẽ đưa bạn đi qua những trường hợp sử dụng phổ biến nhất của deep learning, từ xử lý hình ảnh và phân tích văn bản đến xây dựng mô hình học tăng cường.
5. Deep Learning
Tác giả: Ian Goodfellow, Yoshua Bengio và Aaron Courville
Năm: 2016
Bất kỳ danh sách tài liệu deep learning thiết yếu nào cũng sẽ không trọn vẹn nếu thiếu cuốn sách này. Hầu hết các hướng dẫn về deep learning đều bao gồm mã và ví dụ thực tế. Ngược lại, Deep Learning của Goodfellow, Bengio và Courville là một cuốn sách hoàn toàn lý thuyết và mang tính học thuật sâu sắc, thường được trích dẫn trong thư mục của các khóa học deep learning tại các trường đại học trên toàn thế giới.
Mục đích của sách là giúp sinh viên và người thực hành bước vào lĩnh vực machine learning nói chung và deep learning nói riêng. Sách điểm lại các khái niệm cơ bản của machine learning, toán học ứng dụng cần thiết cho sự phát triển của lĩnh vực, các thuật toán, kỹ thuật deep learning và xu hướng nghiên cứu hiện nay. Bạn thậm chí có thể tìm phiên bản trực tuyến miễn phí tại đây.
6. Deep Learning from Scratch
Tác giả: Seth Weidman
Năm: 2019
Đây là cuốn sách hoàn hảo nếu bạn là nhà khoa học dữ liệu có chuyên môn machine learning và muốn bước vào deep learning. Deep Learning from Scratch cung cấp phần giới thiệu toàn diện về deep learning cho các nhà khoa học dữ liệu và chuyên gia dữ liệu khác vốn đã quen thuộc với machine learning.
Bắt đầu từ các nền tảng của deep learning, cuốn sách nhanh chóng chuyển sang các khái niệm, mô hình và kiến trúc nâng cao để phát triển mạng nơ-ron. Sách chắc chắn mang tính thử thách, vì dẫn dắt người đọc qua các giải thích về lý thuyết, toán học và khái niệm, nhưng kết quả thu được rất xứng đáng. Sách cũng bao gồm nhiều ví dụ sử dụng framework deep learning phổ biến PyTorch.
7. Deep Learning: A Practitioner's Approach
Tác giả: Josh Patterson và Adam Gibson
Năm: 2017
Một trong những thách thức lớn nhất mà các công ty gặp phải khi làm việc với machine learning và deep learning là phát triển và triển khai các mô hình có khả năng mở rộng và dễ bảo trì. Deep Learning: A Practitioner's Approach cố gắng giải quyết vấn đề này, tạo nên một trong những hướng dẫn thực tiễn nhất về chủ đề. Cuốn sách kết hợp giữa lý thuyết deep learning, các thực hành tốt trong ngành và một loạt trường hợp sử dụng được trình bày theo cách phi học thuật.
Một lưu ý quan trọng là sách bao gồm các ví dụ mã được triển khai bằng DL4J, framework nguồn mở của các tác giả để phát triển quy trình deep learning đạt chuẩn sản xuất. Vì DL4J chạy trên Java Virtual Machine, cuốn sách mang đến cơ hội tuyệt vời để thử các khả năng của Java cho deep learning.
8. Deep Learning for Coders with fastai and PyTorch
Tác giả: Jeremy Howard và Sylvain Gugger
Năm: 2020
Deep learning không chỉ phát triển nhanh chóng mà còn ngày càng dễ tiếp cận. Nhờ sự phát triển của các thư viện và giao diện trực quan, thân thiện với người dùng, bạn không còn cần phải có bằng tiến sĩ toán học hay khoa học máy tính để làm việc với deep learning.
Một trong những công cụ đó là fastai, thư viện đầu tiên cung cấp giao diện nhất quán cho các ứng dụng deep learning được sử dụng thường xuyên nhất. Deep Learning for Coders with fastai and PyTorch là hướng dẫn thực hành để phát triển mô hình deep learning với ít nền tảng toán học, lượng dữ liệu nhỏ và tối thiểu mã nguồn. Bên cạnh các ví dụ lập trình, sách cũng đề cập đến lý thuyết deep learning giúp bạn hiểu khoa học đằng sau mạng nơ-ron.
9. Deep Learning Illustrated
Tác giả: Jon Krohn, Grant Beyleveld và Aglaé Bassens
Năm: 2019
Một bức tranh đáng giá ngàn lời nói. Đó là ý tưởng đằng sau Deep Learning Illustrated, một nguồn tài liệu độc đáo để học các kỹ thuật và ứng dụng của deep learning bằng các biểu diễn trực quan, trực cảm.
Đầy ắp các hình minh hoạ nhiều màu sắc và câu chuyện xoay quanh nhân vật, cuốn sách lược bỏ nhiều phần phức tạp của bộ môn, giúp nó dễ tiếp cận với công chúng rộng rãi hơn. Biệt ngữ kỹ thuật được giảm tối thiểu và các ứng dụng được hỗ trợ bởi Jupyter Notebook thực hành với mã Python. Cuốn sách giới thiệu một số framework deep learning phổ biến, bao gồm TensorFlow, Keras và PyTorch.
10. Hands-On Machine Learning With Scikit-Learn, Keras, and Tensorflow
Tác giả: Aurélien Géron
Năm: Ấn bản mới nhất 2019
Cuốn sách mang đến hướng dẫn thực hành về deep learning cho người mới bắt đầu. Hands-on Machine Learning sử dụng các framework Python như Scikit-Learn và TensorFlow để dạy bạn cách phát triển các chương trình machine learning. Bạn sẽ học nhiều kỹ thuật, từ hồi quy tuyến tính đơn giản đến mạng nơ-ron sâu phức tạp, với các bài tập thực hành ở mỗi chương. Kết thúc cuốn sách, bạn sẽ có thể xây dựng và mở rộng các mạng nơ-ron sâu.
Sách Deep Learning bằng R
Cũng có những lựa chọn tuyệt vời cho lập trình viên R:
11. Deep Learning with R
Tác giả: François Chollet, Tomasz Kalinowski và J. J. Allaire
Năm: 2018 (ấn bản 2 năm 2022)
Mặc dù Python thường được xem là ngôn ngữ “chuẩn” cho deep learning, ngôn ngữ R cũng cung cấp khả năng xây dựng các mạng nơ-ron mạnh mẽ. Deep Learning with R dựa trên cuốn Deep Learning with Python bán chạy của François Chollet. Chuyên gia deep learning Tomasz Kalinowski đã thực hiện xuất sắc việc chuyển dịch mã và ví dụ sang ngôn ngữ R. Tương tự cuốn sách Python, Deep Learning with R là tài liệu tham khảo tuyệt vời cho cả người mới lẫn các chuyên gia machine learning giàu kinh nghiệm.
12.
Tìm hiểu thêm về Deep Learning
Deep learning là một phần quan trọng trong bộ công cụ của khoa học dữ liệu. Học nó là bước đi khôn ngoan để tăng cơ hội nghề nghiệp và xây dựng các ứng dụng thú vị. Sách là nguồn tài nguyên tuyệt vời để bắt đầu hoặc trở thành chuyên gia deep learning, nhưng bạn cũng nên cân nhắc những cách học khác. Hãy xem các tài nguyên sau để bắt đầu hành trình deep learning của bạn.
- Danh mục khóa học của chúng tôi với hơn 380 khóa học về khoa học dữ liệu bao gồm lập trình, machine learning, deep learning và hơn thế nữa.
- Đọc bài viết về các sách Machine Learning hàng đầu
- Xem Các hướng dẫn Machine Learning của chúng tôi
- Đăng ký podcast DataFramed
- Xem Machine Learning Cheat Sheet của chúng tôi
Chủ đề