
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
«با کمک این راهنمای جامع تنسورفلو، وارد دنیای شبکههای عصبی شوید، الگوریتمهای یادگیری عمیق را پیادهسازی کنید و لایههای انتزاع داده را بررسی کنید. درباره این کتاب * یاد بگیرید چگونه تکنیکهای پیشرفته یادگیری عمیق را با تنسورفلو، دستاورد گوگل، پیادهسازی کنید * با کمک این راهنمای جامع، شبکههای عصبی عمیق و لایههای انتزاع داده را کاوش کنید * از طریق چند مسئله واقعی یادگیری عمیق در حوزه پژوهش و کاربرد، با زمینه عملی کار آشنا شوید مخاطبان این کتاب این کتاب برای مخاطبان عامی نوشته شده که به یادگیری ماشین و هوش ماشینی علاقه دارند. آشنایی ابتدایی با برنامهنویسی در یک زبان فرض شده است؛ همچنین آشنایی پایه با تکنیکها و فناوریهای علوم کامپیوتر، از جمله آگاهی مقدماتی از سختافزار کامپیوتر و الگوریتمها. مقداری مهارت ریاضی در سطح جبر خطی مقدماتی و حسابان هم لازم است. آنچه خواهید آموخت * با چشمانداز یادگیری ماشین و همچنین پیشینه تاریخی و پیشرفت یادگیری عمیق آشنا شوید * درباره هوش ماشینی عمیق و محاسبات با GPU با آخرین نسخه تنسورفلو ۱.x بیاموزید * به مجموعهدادههای عمومی دسترسی پیدا کنید و با تنسورفلو آنها را بارگذاری، پردازش و تبدیل کنید * تنسورفلو را روی مجموعهدادههای واقعی، از جمله تصاویر، متن و موارد دیگر به کار ببرید * یاد بگیرید چگونه عملکرد مدلهای یادگیری عمیق خود را ارزیابی کنید * از یادگیری عمیق برای تشخیص شیء مقیاسپذیر و محاسبات موبایل استفاده کنید * با کاوش تکنیکهای یادگیری تقویتی، ماشینها را سریع برای یادگیری از داده آموزش دهید * حوزههای فعال پژوهش و کاربرد یادگیری عمیق را بررسی کنید بهتفصیل یادگیری عمیق گامی است که پس از یادگیری ماشین میآید و پیادهسازیهای پیشرفتهتری دارد. یادگیری ماشین دیگر فقط برای دانشگاهیان نیست؛ با پذیرش گسترده به یک رویه رایج تبدیل شده و یادگیری عمیق در صدر این جریان قرار گرفته است. اگر بهعنوان یک دانشمند داده میخواهید لایههای انتزاع داده را کاوش کنید، این کتاب راهنمای شماست. این کتاب نشان میدهد چگونه میتوان این رویکرد را در دنیای واقعی و با دادههای خام پیچیده، با تنسورفلو ۱.x بهکار گرفت. در طول کتاب یاد میگیرید چگونه الگوریتمهای یادگیری عمیق را برای سامانههای یادگیری ماشین پیادهسازی کنید و آنها را در محصولات خود—از جمله جستوجو، تشخیص تصویر و پردازش زبان—ادغام کنید. افزون بر این، یاد میگیرید چگونه عملکرد مدلهای یادگیری عمیق را تحلیل و بهبود دهید. این کار را میتوان با مقایسه الگوریتمها در برابر معیارهای مرجع، همراه با هوش ماشینی، انجام داد تا از اطلاعات بیاموزید و رفتارهای مطلوب را در یک زمینه مشخص تشخیص دهید. پس از پایان کتاب، با تکنیکهای یادگیری ماشین—بهویژه استفاده از تنسورفلو برای یادگیری عمیق—آشنا خواهید شد و آماده بهکارگیری دانشتان در پروژههای پژوهشی یا تجاری خواهید بود. سبک و رویکرد این راهنمای گامبهگام، شبکههای عصبی عمیق رایج و کمتر رایج را بررسی میکند و نشان میدهد چگونه میتوان آنها را در دنیای واقعی با دادههای خام پیچیده بهکار گرفت. با کمک مثالهای عملی یاد میگیرید چگونه انواع مختلف شبکههای عصبی را برای ساخت برنامههای هوشمند مرتبط با پردازش داده متن، گفتار و تصویر پیادهسازی کنید» — Dawsonera
"Delve into neural networks, implement deep learning algorithms, and explore layers of data abstraction with the help of this comprehensive TensorFlow guide About This Book * Learn how to implement advanced techniques in deep learning with Google`s brainchild, TensorFlow * Explore deep neural networks and layers of data abstraction with the help of this comprehensive guide * Real-world contextualization through some deep learning problems concerning research and application Who This Book Is For The book is intended for a general audience of people interested in machine learning and machine intelligence. A rudimentary level of programming in one language is assumed, as is a basic familiarity with computer science techniques and technologies, including a basic awareness of computer hardware and algorithms. Some competence in mathematics is needed to the level of elementary linear algebra and calculus. What You Will Learn * Learn about machine learning landscapes along with the historical development and progress of deep learning * Learn about deep machine intelligence and GPU computing with the latest TensorFlow 1.x * Access public datasets and utilize them using TensorFlow to load, process, and transform data * Use TensorFlow on real-world datasets, including images, text, and more * Learn how to evaluate the performance of your deep learning models * Using deep learning for scalable object detection and mobile computing * Train machines quickly to learn from data by exploring reinforcement learning techniques * Explore active areas of deep learning research and applications In Detail Deep learning is the step that comes after machine learning, and has more advanced implementations. 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, including search, image recognition, and language processing. Additionally, you`ll learn how to analyze and improve the performance of deep learning models. This can be done by comparing algorithms against benchmarks, along with machine intelligence, to learn from 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. Style and approach This step-by-step guide will explore common, and not so common, deep neural networks and show how these can be exploited in the real world with complex raw data. With the help of practical examples, you will learn how to implement different types of neural nets to build smart applications related to text, speech, and image data processing" -- Dawsonera