دانلود کتاب Deep Learning from the Basics: Python and Deep Learning: Theory and Implementation (به فارسی: یادگیری عمیق از مبانی: پایتون و یادگیری عمیق: تئوری و پیاده سازی) نوشته شده توسط «Saitoh – Koki»
اطلاعات کتاب یادگیری عمیق از مبانی: پایتون و یادگیری عمیق: تئوری و پیاده سازی
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Saitoh – Koki
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2021
تعداد صفحه: 316
حجم فایل: 12.31 مگابایت
کد کتاب: 1800206135 , 9781800206137
توضیحات کتاب یادگیری عمیق از مبانی: پایتون و یادگیری عمیق: تئوری و پیاده سازی
با استفاده از پایتون و سایر فناوری‌ها راه‌هایی را برای پیاده‌سازی الگوریتم‌های یادگیری عمیق کشف کنید
ویژگی‌های کلیدی
- یادگیری مدل‌های یادگیری عمیق از طریق چندین فعالیت
- با مشکلات ساده یادگیری ماشین شروع کنید و با ساختن یک سیستم پیچیده از خودتان به پایان برسانید
- با تسلط بر فناوری های مورد نیاز برای تشخیص تصویر به ماشین های خود بیاموزید که ببینند
توضیحات کتاب
یادگیری عمیق به سرعت در حال تبدیل شدن به ترجیح داده شده ترین راه برای حل مشکلات داده است. این تا حدی به لطف تنوع عظیم الگوریتم‌های ریاضی و توانایی آنها در یافتن الگوهایی است که در غیر این صورت برای ما نامرئی هستند.
یادگیری عمیق از مبانی با مقدمه‌ای سریع برای یادگیری عمیق با پایتون، تعریف، ویژگی ها و کاربردهای آن. شما یاد خواهید گرفت که چگونه از مفسر پایتون و فایل های اسکریپت در برنامه های خود استفاده کنید و از NumPy و Matplotlib در مدل های یادگیری عمیق خود استفاده کنید. همانطور که در کتاب پیش می روید، پس انتشار را کشف خواهید کرد – راهی کارآمد برای محاسبه گرادیان پارامترهای وزن – و مطالعه پرسپترون های چندلایه و محدودیت های آنها، قبل از اجرای یک شبکه عصبی سه لایه و محاسبه آرایه های چند بعدی. p>
در پایان کتاب، دانش لازم برای به کارگیری فناوری‌های مرتبط در یادگیری عمیق را خواهید داشت.
آنچه یاد خواهید گرفت
- از Python با حداقل منابع خارجی برای پیاده‌سازی عمیق استفاده کنید. برنامه های یادگیری
- تئوری های مختلف یادگیری عمیق و شبکه های عصبی را مطالعه کنید
- چگونگی تعیین ضرایب یادگیری و مقادیر اولیه وزن ها را بیاموزید
- اجرای روندهایی مانند نرمال سازی دسته ای , Dropout و Adam
- کاوش برنامه هایی مانند رانندگی خودکار، تولید تصویر، و یادگیری تقویتی
این کتاب برای چه کسی است
آموزش عمیق از پایه برای دانشمندان داده طراحی شده است ، تحلیلگران داده و توسعه دهندگانی که می خواهند از تکنیک های یادگیری عمیق برای توسعه استفاده کنند راه حل های کارآمد را انتخاب کنید این کتاب برای کسانی که خواهان درک عمیق تر و همچنین مروری بر فناوری ها هستند ایده آل است. دانش کاری پایتون ضروری است. دانش NumPy و پانداها مفید خواهد بود، اما ضروری نیست.
فهرست مطالب
- مقدمه ای بر پایتون
- پرسپترون ها
- شبکه های عصبی
- آموزش شبکه عصبی
- پشت انتشار
- تکنیک های آموزشی
- شبکه های عصبی کانولوشن
- یادگیری عمیق
Discover ways to implement various deep learning algorithms by leveraging Python and other technologies
Key Features
- Learn deep learning models through several activities
- Begin with simple machine learning problems, and finish by building a complex system of your own
- Teach your machines to see by mastering the technologies required for image recognition
Book Description
Deep learning is rapidly becoming the most preferred way of solving data problems. This is thanks, in part, to its huge variety of mathematical algorithms and their ability to find patterns that are otherwise invisible to us.
Deep Learning from the Basics begins with a fast-paced introduction to deep learning with Python, its definition, characteristics, and applications. You’ll learn how to use the Python interpreter and the script files in your applications, and utilize NumPy and Matplotlib in your deep learning models. As you progress through the book, you’ll discover backpropagation―an efficient way to calculate the gradients of weight parameters―and study multilayer perceptrons and their limitations, before, finally, implementing a three-layer neural network and calculating multidimensional arrays.
By the end of the book, you’ll have the knowledge to apply the relevant technologies in deep learning.
What you will learn
- Use Python with minimum external sources to implement deep learning programs
- Study the various deep learning and neural network theories
- Learn how to determine learning coefficients and the initial values of weights
- Implement trends such as Batch Normalization, Dropout, and Adam
- Explore applications like automatic driving, image generation, and reinforcement learning
Who this book is for
Deep Learning from the Basics is designed for data scientists, data analysts, and developers who want to use deep learning techniques to develop efficient solutions. This book is ideal for those who want a deeper understanding as well as an overview of the technologies. Some working knowledge of Python is a must. Knowledge of NumPy and pandas will be beneficial, but not essential.
Table of Contents
- Introduction to Python
- Perceptrons
- Neural Networks
- Neural Network Training
- Backpropagation
- Training Techniques
- Convolutional Neural Networks
- Deep Learning
دانلود کتاب «یادگیری عمیق از مبانی: پایتون و یادگیری عمیق: تئوری و پیاده سازی»
