دانلود کتاب Deep Learning with Python (به فارسی: یادگیری عمیق با پایتون) نوشته شده توسط «Francois Chollet»
اطلاعات کتاب یادگیری عمیق با پایتون
موضوع اصلی: کامپیوتر – هوش مصنوعی (AI)
نوع: کتاب الکترونیکی
ناشر: Manning Publications
نویسنده: Francois Chollet
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2017
تعداد صفحه: 384 / 386
حجم فایل: 10.91 مگابایت
کد کتاب: 1617294438 , 9781617294433
توضیحات کتاب یادگیری عمیق با پایتون
خلاصه
آموزش عمیق با پایتون زمینه یادگیری عمیق را با استفاده از زبان پایتون و کتابخانه قدرتمند Keras معرفی می کند. این کتاب که توسط خالق Keras و محقق هوش مصنوعی گوگل فرانسوا شولت نوشته شده است، درک شما را از طریق توضیحات بصری و مثال‌های عملی ایجاد می‌کند.
خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle، و ePub از انتشارات Manning است. .
درباره فناوری
یادگیری ماشینی در سالهای اخیر پیشرفت چشمگیری داشته است. ما از تشخیص گفتار و تصویر تقریباً غیرقابل استفاده به دقت تقریباً انسانی رسیدیم. ما از ماشین هایی که نمی توانستند یک بازیکن جدی Go را شکست دهند، به شکست دادن یک قهرمان جهان رسیدیم. پشت این پیشرفت، یادگیری عمیق وجود دارد – ترکیبی از پیشرفت‌های مهندسی، بهترین شیوه‌ها و تئوری که تعداد زیادی از برنامه‌های هوشمند را که قبلا غیرممکن بودند، ممکن می‌سازد.
درباره کتاب
آموزش عمیق با پایتون زمینه یادگیری عمیق را با استفاده از زبان پایتون و کتابخانه قدرتمند Keras معرفی می کند. این کتاب که توسط خالق Keras و محقق هوش مصنوعی گوگل فرانسوا شولت نوشته شده است، درک شما را از طریق توضیحات بصری و مثال های عملی ایجاد می کند. شما مفاهیم چالش برانگیز و تمرین را با برنامه های کاربردی در بینایی کامپیوتر، پردازش زبان طبیعی و مدل های مولد کشف خواهید کرد. تا پایان کار، دانش و مهارت های عملی برای به کارگیری یادگیری عمیق در پروژه های خود را خواهید داشت.
چه چیزی در داخل است
- یادگیری عمیق از اصول اولیه
- تنظیم محیط یادگیری عمیق خود
- مدل های طبقه بندی تصویر
- یادگیری عمیق برای متن و توالی
- انتقال سبک عصبی، تولید متن و تولید تصویر
درباره Reader
خوانندگان به مهارت های پایتون متوسط نیاز دارند. هیچ تجربه قبلی با Keras، TensorFlow یا یادگیری ماشینی لازم نیست.
درباره نویسنده
François Chollet روی عمیق کار می کند. یادگیری در Google در Mountain View، CA. او خالق کتابخانه یادگیری عمیق Keras و همچنین مشارکت کننده در چارچوب یادگیری ماشینی TensorFlow است. او همچنین تحقیقات یادگیری عمیق را با تمرکز بر بینایی کامپیوتر و کاربرد یادگیری ماشین در استدلال رسمی انجام می دهد. مقالات او در کنفرانس های بزرگ در این زمینه از جمله کنفرانس بینایی کامپیوتری و تشخیص الگو (CVPR)، کنفرانس و کارگاه سیستم های پردازش اطلاعات عصبی (NIPS)، کنفرانس بین المللی بازنمایی های یادگیری (ICLR) و غیره منتشر شده است. .
فهرست محتوا
- بخش 1 – مبانی یادگیری عمیق
- یادگیری عمیق چیست؟
- قبل از شروع: بلوک های ساختمان ریاضی شبکه های عصبی
- آغاز با شبکه های عصبی
- مبانی یادگیری ماشین
- یادگیری عمیق برای بینایی کامپیوتر
- یادگیری عمیق برای متن و توالی
- بهترین شیوه های یادگیری عمیق پیشرفته
- یادگیری عمیق مولد
- نتیجه‌گیری
- ضمیمه A – نصب Keras و وابستگی‌های آن به اوبونتو
- ضمیمه B – اجرای نوت‌بوک‌های Jupyter بر روی نمونه EC2 GPU
>
بخش 2 – یادگیری عمیق در عمل
Summary
Deep Learning with Python introduces the field of deep learning using the Python language and the powerful Keras library. Written by Keras creator and Google AI researcher François Chollet, this book builds your understanding through intuitive explanations and practical examples.
Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.
About the Technology
Machine learning has made remarkable progress in recent years. We went from near-unusable speech and image recognition, to near-human accuracy. We went from machines that couldn’t beat a serious Go player, to defeating a world champion. Behind this progress is deep learning—a combination of engineering advances, best practices, and theory that enables a wealth of previously impossible smart applications.
About the Book
Deep Learning with Python introduces the field of deep learning using the Python language and the powerful Keras library. Written by Keras creator and Google AI researcher François Chollet, this book builds your understanding through intuitive explanations and practical examples. You’ll explore challenging concepts and practice with applications in computer vision, natural-language processing, and generative models. By the time you finish, you’ll have the knowledge and hands-on skills to apply deep learning in your own projects.
What’s Inside
- Deep learning from first principles
- Setting up your own deep-learning environment
- Image-classification models
- Deep learning for text and sequences
- Neural style transfer, text generation, and image generation
About the Reader
Readers need intermediate Python skills. No previous experience with Keras, TensorFlow, or machine learning is required.
About the Author
François Chollet works on deep learning at Google in Mountain View, CA. He is the creator of the Keras deep-learning library, as well as a contributor to the TensorFlow machine-learning framework. He also does deep-learning research, with a focus on computer vision and the application of machine learning to formal reasoning. His papers have been published at major conferences in the field, including the Conference on Computer Vision and Pattern Recognition (CVPR), the Conference and Workshop on Neural Information Processing Systems (NIPS), the International Conference on Learning Representations (ICLR), and others.
Table of Contents
- PART 1 – FUNDAMENTALS OF DEEP LEARNING
- What is deep learning?
- Before we begin: the mathematical building blocks of neural networks
- Getting started with neural networks
- Fundamentals of machine learning
- Deep learning for computer vision
- Deep learning for text and sequences
- Advanced deep-learning best practices
- Generative deep learning
- Conclusions
- appendix A – Installing Keras and its dependencies on Ubuntu
- appendix B – Running Jupyter notebooks on an EC2 GPU instance
PART 2 – DEEP LEARNING IN PRACTICE
دانلود کتاب «یادگیری عمیق با پایتون»
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.