نرم افزار: سیستم ها: محاسبات علمی

یادگیری عمیق با پایتون: بهترین روش‌های مدل‌های یادگیری عمیق را با PyTorch بیاموزید

Deep Learning with Python: Learn Best Practices of Deep Learning Models with PyTorch

دانلود کتاب Deep Learning with Python: Learn Best Practices of Deep Learning Models with PyTorch (به فارسی: یادگیری عمیق با پایتون: بهترین روش‌های مدل‌های یادگیری عمیق را با PyTorch بیاموزید) نوشته شده توسط «Nikhil Ketkar – Jojo Moolayil»


اطلاعات کتاب یادگیری عمیق با پایتون: بهترین روش‌های مدل‌های یادگیری عمیق را با PyTorch بیاموزید

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: Apress

نویسنده: Nikhil Ketkar – Jojo Moolayil

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2021

تعداد صفحه: 323 / 316

حجم فایل: 5.24 مگابایت

کد کتاب: 1484253639 , 9781484253632

نوبت چاپ: 2

توضیحات کتاب یادگیری عمیق با پایتون: بهترین روش‌های مدل‌های یادگیری عمیق را با PyTorch بیاموزید

بر جنبه‌های عملی پیاده‌سازی راه‌حل‌های یادگیری عمیق با PyTorch، با استفاده از رویکرد عملی برای درک تئوری و عملی تسلط پیدا کنید. این نسخه به‌روزرسانی شده، شما را برای استفاده از یادگیری عمیق در مسائل دنیای واقعی با پایه‌های نظری و دانش عملی با PyTorch، پلتفرمی که توسط گروه تحقیقاتی هوش مصنوعی فیس‌بوک توسعه یافته است، آماده می‌کند.
شما با دیدگاهی در مورد چگونگی و چرا یادگیری عمیق با PyTorch به عنوان یک چارچوب راهگشا با مجموعه ای از ابزارها و تکنیک ها برای حل مشکلات دنیای واقعی ظهور کرده است. در مرحله بعد، کتاب شما را با مبانی ریاضی جبر خطی، حساب برداری، احتمال و بهینه سازی مرتبط می کند. با ایجاد این پایه، به اجزای کلیدی و عملکرد PyTorch از جمله لایه‌ها، توابع از دست دادن و الگوریتم‌های بهینه‌سازی می‌روید.
همچنین درک درستی از محاسبات مبتنی بر واحد پردازش گرافیکی (GPU) کسب خواهید کرد که برای آموزش مدل‌های یادگیری عمیق ضروری است. تمام معماری‌های کلیدی در یادگیری عمیق، از جمله شبکه‌های پیش‌خور، شبکه‌های عصبی پیچشی، شبکه‌های عصبی تکراری، شبکه‌های حافظه کوتاه‌مدت، رمزگذارهای خودکار و شبکه‌های متخاصم مولد پوشش داده شده‌اند. با پشتیبانی تعدادی از ترفندهای تجارت برای آموزش و بهینه سازی مدل های یادگیری عمیق، این نسخه یادگیری عمیق با پایتون بهترین شیوه ها را در تولید این مدل ها با PyTorch توضیح می دهد.
آنچه یاد خواهید گرفت

  • مبانی یادگیری ماشینی مانند برازش بیش از حد، عدم تناسب، و منظم‌سازی را مرور کنید.
  • مبانی یادگیری عمیق مانند شبکه‌های پیش‌خور، شبکه‌های عصبی کانولوشن را درک کنید. شبکه‌های عصبی مکرر، تمایز خودکار و نزول گرادیان تصادفی.
  • جبر خطی عمیق را با PyTorch اعمال کنید
  • مبانی PyTorch و بلوک‌های سازنده آن را کاوش کنید
  • با آن کار کنید. تنظیم و بهینه‌سازی مدل‌ها

این کتاب برای چه کسانی است
مبتدیانی که دانش کار پایتون دارند و می‌خواهند یادگیری عمیق را به شیوه‌ای عملی و عملی درک کنند.


Master the practical aspects of implementing deep learning solutions with PyTorch, using a hands-on approach to understanding both theory and practice. This updated edition will prepare you for applying deep learning to real world problems with a sound theoretical foundation and practical know-how with PyTorch, a platform developed by Facebook’s Artificial Intelligence Research Group.
You’ll start with a perspective on how and why deep learning with PyTorch has emerged as an path-breaking framework with a set of tools and techniques to solve real-world problems. Next, the book will ground you with the mathematical fundamentals of linear algebra, vector calculus, probability and optimization. Having established this foundation, you’ll move on to key components and functionality of PyTorch including layers, loss functions and optimization algorithms. 
You’ll also gain an understanding of Graphical Processing Unit (GPU) based computation, which is essential for training deep learning models. All the key architectures in deep learning are covered, including feedforward networks, convolution neural networks, recurrent neural networks, long short-term memory networks, autoencoders and generative adversarial networks. Backed by a number of tricks of the trade for training and optimizing deep learning models, this edition of Deep Learning with Python explains the best practices in taking these models to production with PyTorch.
What You’ll Learn

  • Review machine learning fundamentals such as overfitting, underfitting, and regularization.
  • Understand deep learning fundamentals such as feed-forward networks, convolution neural networks, recurrent neural networks, automatic differentiation, and stochastic gradient descent.
  • Apply in-depth linear algebra with PyTorch
  • Explore PyTorch fundamentals and its building blocks
  • Work with tuning and optimizing models 

Who This Book Is For
Beginners with a working knowledge of Python who want to understand Deep Learning in a practical, hands-on manner.     

دانلود کتاب «یادگیری عمیق با پایتون: بهترین روش‌های مدل‌های یادگیری عمیق را با PyTorch بیاموزید»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

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.

دیدگاهتان را بنویسید