
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 بازگشت دوبارهٔ شبکههای عصبی در دههٔ ۲۰۱۰، یادگیری عمیق برای متخصصان یادگیری ماشین و حتی بسیاری از مهندسان نرمافزار ضروری شده است. این کتاب مقدمهای جامع برای دانشمندان داده و مهندسان نرمافزاری است که تجربهٔ یادگیری ماشین دارند. از مبانی یادگیری عمیق شروع میکنید و بهسرعت به جزئیات معماریهای پیشرفتهٔ مهم میرسید و در این مسیر همه چیز را از صفر پیادهسازی میکنید.
سث ویدمن، نویسندهٔ کتاب، با رویکردی مبتنی بر اصول اولیه نشان میدهد شبکههای عصبی چگونه کار میکنند. یاد میگیرید چطور شبکههای عصبی چندلایه، شبکههای عصبی کانولوشنی و شبکههای عصبی بازگشتی را از پایه بهکار بگیرید. با درک کامل از نحوهٔ کار شبکههای عصبی از نظر ریاضی، محاسباتی و مفهومی، برای موفقیت در همهٔ پروژههای آیندهٔ یادگیری عمیق آماده میشوید.
این کتاب این موارد را ارائه میدهد:
• مدلهای ذهنی بسیار روشن و کامل—همراه با مثالهای کد قابل اجرا و توضیحهای ریاضی—برای فهم شبکههای عصبی
• روشهایی برای پیادهسازی شبکههای عصبی چندلایه از صفر، با چارچوبی شیءگرا و آسان برای فهم
• پیادهسازیهای عملی و توضیحهای شفاف از شبکههای عصبی کانولوشنی و بازگشتی
• پیادهسازی این مفاهیم شبکههای عصبی با چارچوب محبوب پایتورچ
With the resurgence of neural networks in the 2010s, deep learning has become essential for machine learning practitioners and even many software engineers. This book provides a comprehensive introduction for data scientists and software engineers with machine learning experience. You’ll start with deep learning basics and move quickly to the details of important advanced architectures, implementing everything from scratch along the way.Author Seth Weidman shows you how neural networks work using a first principles approach. You’ll learn how to apply multilayer neural networks, convolutional neural networks, and recurrent neural networks from the ground up. With a thorough understanding of how neural networks work mathematically, computationally, and conceptually, you’ll be set up for success on all future deep learning projects.This book provides:• Extremely clear and thorough mental models—accompanied by working code examples and mathematical explanations—for understanding neural networks• Methods for implementing multilayer neural networks from scratch, using an easy-to-understand object-oriented framework• Working implementations and clear-cut explanations of convolutional and recurrent neural networks• Implementation of these neural network concepts using the popular PyTorch framework