
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.
نسخهٔ جدید پرفروشترین راهنمای هوش مصنوعی با پایتون، بهروزشده برای پایتون ۳.x و تنسورفلو ۲، با هفت فصل تازه که RNNها، هوش مصنوعی و کلانداده، کاربردهای پایه، چتباتها و موضوعات دیگر را پوشش میدهد.
ویژگیهای اصلی
کاملاً بهروز و بازنویسیشده برای پایتون ۳.x و تنسورفلو ۲
فصلهای تازه دربارهٔ هوش مصنوعی در ابر، شبکههای عصبی بازگشتی، مدلهای یادگیری عمیق، و انتخاب و مهندسی ویژگی
آشنایی بیشتر با الگوریتمهای یادگیری عمیق، خطوط لولهٔ دادهٔ یادگیری ماشین، و چتباتها
دربارهٔ کتاب
هوش مصنوعی با پایتون، ویرایش دوم، نسخهٔ بهروز و گستردهتر همان راهنمای پرفروش هوش مصنوعی است که با آخرین نسخهٔ پایتون ۳.x و تنسورفلو ۲ نوشته شده است. این کتاب فقط مقدمهای بر هوش مصنوعی نیست. ابزارهایی در اختیارتان میگذارد تا دنیای شگفتانگیز اپلیکیشنهای هوشمند را کشف کنید و برنامههای خودتان را بسازید. این ویرایش هفت فصل تازه هم دارد که مفاهیم پیشرفتهتر هوش مصنوعی را پوشش میدهند؛ از جمله کاربردهای پایهٔ هوش مصنوعی، خطوط لولهٔ دادهٔ یادگیری ماشین، انتخاب ویژگی و مهندسی ویژگی، هوش مصنوعی در ابر، مبانی چتباتها، RNNها و مدلهای یادگیری عمیق، و هوش مصنوعی و کلانداده. در پایان، این ویرایش سناریوهای واقعی گوناگون را بررسی میکند و به شما یاد میدهد چطور الگوریتمهای مناسب هوش مصنوعی را روی طیف وسیعی از مسائل بهکار ببرید. از سادهترین مفاهیم شروع میکنید و قدمبهقدم پیش میروید تا چالشهای سختتر را حل کنید. در نتیجه، درک محکمی از این تکنیکهای هوش مصنوعی بهدست میآورید و میدانید هر کدام را کی بهتر است بهکار ببرید.
آنچه یاد میگیرید
بفهمید هوش مصنوعی، یادگیری ماشین و علم داده چیستند
رایجترین کاربردهای هوش مصنوعی را بشناسید
یاد بگیرید چطور یک خط لولهٔ یادگیری ماشین بسازید
مبانی انتخاب ویژگی و مهندسی ویژگی را فرا بگیرید
تفاوتهای یادگیری نظارتشده و بدون نظارت را تشخیص دهید
تازهترین پیشرفتها و ابزارهای توسعهٔ هوش مصنوعی در ابر را کشف کنید
سامانههای بازشناسی گفتار خودکار و چتبات بسازید
الگوریتمهای هوش مصنوعی را روی دادههای سری زمانی اعمال کنید
این کتاب برای چه کسانی است
مخاطب اصلی این کتاب، توسعهدهندگان پایتون هستند که میخواهند اپلیکیشنهای واقعی هوش مصنوعی بسازند. تجربهٔ پایهای برنامهنویسی با پایتون و آشنایی با مفاهیم و تکنیکهای یادگیری ماشین الزامی است.
New edition of the bestselling guide to artificial intelligence with Python, updated to Python 3.x and TensorFlow 2, with seven new chapters that cover RNNs, AI & Big Data, fundamental use cases, chatbots, and more. Key Features Completely updated and revised to Python 3.x and TensorFlow 2 New chapters for AI on the cloud, recurrent neural networks, deep learning models, and feature selection and engineering Learn more about deep learning algorithms, machine learning data pipelines, and chatbots Book Description Artificial Intelligence with Python, Second Edition is an updated and expanded version of the bestselling guide to artificial intelligence using the latest version of Python 3.x and TensorFlow 2. Not only does it provide you an introduction to artificial intelligence, this new edition goes further by giving you the tools you need to explore the amazing world of intelligent apps and create your own applications. This edition also includes seven new chapters on more advanced concepts of Artificial Intelligence, including fundamental use cases of AI; machine learning data pipelines; feature selection and feature engineering; AI on the cloud; the basics of chatbots; RNNs and DL models; and AI and Big Data. Finally, this new edition explores various real-world scenarios and teaches you how to apply relevant AI algorithms to a wide swath of problems, starting with the most basic AI concepts and progressively building from there to solve more difficult challenges so that by the end, you will have gained a solid understanding of, and when best to use, these many artificial intelligence techniques. What you will learn Understand what artificial intelligence, machine learning, and data science are Explore the most common artificial intelligence use cases Learn how to build a machine learning pipeline Assimilate the basics of feature selection and feature engineering Identify the differences between supervised and unsupervised learning Discover the most recent advances and tools offered for AI development in the cloud Develop automatic speech recognition systems and chatbots Apply AI algorithms to time series data Who this book is for The intended audience for this book is Python developers who want to build real-world Artificial Intelligence applications. Basic Python programming experience and awareness of machine learning concepts and techniques is mandatory