
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.
این کتاب بخشی از مجموعه پرفروش پرایمر جیبی (Pocket Primer) است و برنامهنویسان را برای یادگیری ماشین و یادگیری عمیق با TensorFlow آماده میکند. ابتدا معرفی کوتاهی از پایتون میآید و بعد فصلهایی درباره NumPy، Pandas، Matplotlib و scikit-learn. دو فصل پایانی شامل نمونهکدهای متنوعی از TensorFlow 1.x هستند؛ از جمله نمونهکدهای مفصل برای TensorFlow Dataset که در TensorFlow 2 هم بسیار استفاده میشود. TensorFlow Dataset به کلاسهای فضای نام tf.data.Dataset اشاره دارد. این کلاسها به برنامهنویس کمک میکنند با زنجیرهکردن عملگرهای تنبل (lazy) مثل map()، filter()، batch() و موارد مشابه، یک خط لوله داده بسازد؛ دادهها میتوانند از یک یا چند منبع بیایند.
فایلهای همراه با کد منبع از ناشر قابل دریافتاند؛ کافی است به info@merclearning.com ایمیل بزنید.
ویژگیها:
معرفی کاربردی پایتون، NumPy، Pandas، Matplotlib و جنبههای مقدماتی TensorFlow 1.x
شامل نمونهکدهای مرتبط NumPy و Pandas که در موضوعات یادگیری ماشین رایجاند، و همچنین نمونهکدهای مفید TensorFlow 1.x برای موضوعات یادگیری عمیق و TensorFlow
شامل مثالهای فراوان از API مربوط به TensorFlow Dataset با عملگرهای تنبل مثل map()، filter()، batch()، take() و نیز زنجیرهکردن این عملگرها
فرض بر این است که خواننده تجربه بسیار کمی دارد
فایلهای همراه با همه نمونهکدهای منبع (قابل دریافت از ناشر)
As part of the best-selling PocketPrimer series, this book is designed to prepare programmersfor machine learning and deep learning/TensorFlow topics. It begins with aquick introduction to Python, followed by chapters that discuss NumPy, Pandas,Matplotlib, and scikit-learn. The final two chapters contain an assortment ofTensorFlow 1.x code samples, including detailed code samples for TensorFlowDataset (which is used heavily in TensorFlow 2 as well). A TensorFlow Datasetrefers to the classes in the tf.data.Dataset namespace that enables programmersto construct a pipeline of data by means of method chaining so-called lazyoperators, e.g., map(), filter(), batch(), and so forth, based on data from oneor more data sources.Companion files with source code are available for downloading from the publisher by writing info@merclearning.com.Features:A practical introductionto Python, NumPy, Pandas, Matplotlib, and introductory aspects of TensorFlow1.x Contains relevant NumPy/Pandascode samples that are typical in machine learning topics, and also usefulTensorFlow 1.x code samples for deep learning/TensorFlow topics Includes many examples of TensorFlow Dataset APIswith lazy operators, e.g., map(), filter(), batch(), take() and also methodchaining such operators Assumes the reader hasvery limited experience Companion files with all of thesource code examples (download from the publisher)