دانلود کتاب Deep Learning for Beginners; A beginner’s guide to getting up and running with deep learning from scratch using Python (به فارسی: یادگیری عمیق برای مبتدیان؛ راهنمای مبتدی برای برخاستن و دویدن با یادگیری عمیق از ابتدا با استفاده از پایتون) نوشته شده توسط «Dr. Pablo Rivas»
اطلاعات کتاب یادگیری عمیق برای مبتدیان؛ راهنمای مبتدی برای برخاستن و دویدن با یادگیری عمیق از ابتدا با استفاده از پایتون
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Packt
نویسنده: Dr. Pablo Rivas
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 416
حجم فایل: 51.75 مگابایت
کد کتاب: 1838640851 , 9781838640859
توضیحات کتاب یادگیری عمیق برای مبتدیان؛ راهنمای مبتدی برای برخاستن و دویدن با یادگیری عمیق از ابتدا با استفاده از پایتون
با افزایش روزافزون اطلاعات در وب، پیمایش در همه چیز برای یافتن محتوای قابل اعتمادی که به شما در شروع یادگیری عمیق کمک می کند، دشوارتر از همیشه شده است. اگر مبتدی هستید و به دنبال کار بر روی یادگیری عمیق و ساختن مدل های یادگیری عمیق از ابتدا هستید، و در حال حاضر دانش ریاضی و برنامه نویسی اولیه مورد نیاز برای شروع را دارید، این کتاب برای کمک به شما طراحی شده است.
این کتاب با یک نمای کلی از یادگیری ماشین شروع می شود و شما را در راه اندازی چارچوب های محبوب پایتون راهنمایی می کند. شما همچنین خواهید فهمید که چگونه داده ها را با تمیز کردن و پیش پردازش آنها برای یادگیری عمیق آماده کنید و به تدریج به کاوش شبکه های عصبی بروید. یک بخش اختصاصی به شما بینشی در مورد عملکرد شبکه های عصبی می دهد و به شما کمک می کند تا با آموزش لایه های تک و چند لایه نورون ها عمل کنید. بعداً با کمک مثال‌های ساده، معماری‌های شبکه‌های عصبی محبوب مانند CNN، RNN، AEs، VAE و GAN را پوشش خواهید داد و نحوه ساخت مدل‌ها را از ابتدا یاد خواهید گرفت. در پایان هر فصل، یک بخش پرسش و پاسخ خواهید یافت تا به شما کمک کند آنچه را که در طول دوره کتاب آموخته‌اید آزمایش کنید.
در پایان این کتاب، شما به خوبی با مفاهیم یادگیری عمیق آشنا خواهید شد و دانش لازم برای استفاده از الگوریتم های خاص با ابزارهای مختلف برای کارهای مختلف را خواهید داشت.
The book begins with a basic overview of machine learning, guiding you through setting up popular Python frameworks. You will also understand how to prepare data by cleaning and preprocessing it for deep learning, and gradually go on to explore neural networks. A dedicated section will give you insights into the working of neural networks by helping you get hands-on with training single and multiple layers of neurons. Later, you will cover popular neural network architectures such as CNNs, RNNs, AEs, VAEs, and GANs with the help of simple examples, and learn how to build models from scratch. At the end of each chapter, you will find a question and answer section to help you test what you’ve learned through the course of the book.
By the end of this book, you’ll be well-versed with deep learning concepts and have the knowledge you need to use specific algorithms with various tools for different tasks.
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.