دانلود کتاب Hands-On Genetic Algorithms with Python: Applying genetic algorithms to solve real-world deep learning and artificial intelligence problems (به فارسی: الگوریتم‌های ژنتیک دستی با پایتون: استفاده از الگوریتم‌های ژنتیک برای حل مشکلات یادگیری عمیق و هوش مصنوعی در دنیای واقعی) نوشته شده توسط «Eyal Wirsansky»
اطلاعات کتاب الگوریتم‌های ژنتیک دستی با پایتون: استفاده از الگوریتم‌های ژنتیک برای حل مشکلات یادگیری عمیق و هوش مصنوعی در دنیای واقعی
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Eyal Wirsansky
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 309 / 334
حجم فایل: 8.98 مگابایت
کد کتاب: 1838557741 , 9781838557744
نوبت چاپ: 1
توضیحات کتاب الگوریتم‌های ژنتیک دستی با پایتون: استفاده از الگوریتم‌های ژنتیک برای حل مشکلات یادگیری عمیق و هوش مصنوعی در دنیای واقعی
دنیای همیشه در حال رشد الگوریتم‌های ژنتیک را برای حل کارهای مربوط به جستجو، بهینه‌سازی و هوش مصنوعی و بهبود مدل‌های یادگیری ماشین با استفاده از کتابخانه‌های Python مانند DEAP، scikit-learn و NumPy کاوش کنید.
ویژگی های کلیدی
• نکات و نکات الگوریتم های ژنتیک را با این راهنمای سریع کاوش کنید
• وظایفی مانند انتخاب ویژگی، بهینه سازی جستجو و تجزیه و تحلیل خوشه را با استفاده از Python
پیاده سازی کنید
• حل مسائل ترکیبی، بهینه سازی توابع، و بهبود عملکرد برنامه های کاربردی هوش مصنوعی
توضیحات کتاب
الگوریتم های ژنتیک خانواده ای از الگوریتم های جستجو، بهینه سازی و یادگیری هستند که از اصول تکامل طبیعی الهام گرفته شده اند. با تقلید از فرآیند تکاملی، الگوریتم‌های ژنتیک می‌توانند بر موانع موجود در الگوریتم‌های جستجوی سنتی غلبه کنند و راه‌حل‌هایی با کیفیت بالا برای مسائل مختلف ارائه دهند. این کتاب به شما کمک می‌کند تا با رویکردی قدرتمند و در عین حال ساده برای بکارگیری الگوریتم‌های ژنتیک در طیف وسیعی از وظایف با استفاده از پایتون، که آخرین پیشرفت‌ها در هوش مصنوعی را پوشش می‌دهد، آشنا شوید.
پس از آشنایی شما با الگوریتم های ژنتیک و اصول عملکرد آنها، متوجه خواهید شد که تفاوت آنها با الگوریتم های سنتی چیست و چه نوع مسائلی را می توانند حل کنند. سپس خواهید فهمید که چگونه می توان آنها را برای مشکلات جستجو و بهینه سازی، مانند برنامه ریزی، زمان بندی، بازی و تجزیه و تحلیل اعمال کرد. همانطور که پیشرفت می کنید، همچنین یاد خواهید گرفت که چگونه از الگوریتم های ژنتیک برای بهبود یادگیری ماشین و مدل های یادگیری عمیق، حل وظایف یادگیری تقویتی و انجام بازسازی تصویر استفاده کنید. در نهایت، چندین فناوری مرتبط را پوشش خواهید داد که می‌توانند فرصت‌های جدیدی را برای برنامه‌های آینده باز کنند.
در پایان این کتاب، شما تجربه عملی استفاده از الگوریتم های ژنتیک در هوش مصنوعی و همچنین حوزه های متعدد دیگر را خواهید داشت.
آنچه خواهید آموخت
• یاد بگیرید که از ابزارهای پیشرفته پایتون برای ایجاد برنامه های کاربردی مبتنی بر الگوریتم ژنتیک استفاده کنید
• از الگوریتم های ژنتیک برای بهینه سازی توابع و حل مسائل برنامه ریزی و زمان بندی استفاده کنید
• بهبود عملکرد مدل های یادگیری ماشین و بهینه سازی معماری شبکه یادگیری عمیق
• از الگوریتم های ژنتیک برای تقویت وظایف یادگیری با استفاده از OpenAI Gym
استفاده کنید
• کاوش کنید که چگونه می توان تصاویر را با استفاده از مجموعه ای از اشکال نیمه شفاف بازسازی کرد
• سایر تکنیک های الهام گرفته از زیستی مانند برنامه ریزی ژنتیکی و بهینه سازی ازدحام ذرات را کشف کنید
این کتاب برای چه کسانی است
این کتاب برای توسعه دهندگان نرم افزار، دانشمندان داده و علاقه مندان به هوش مصنوعی است که می خواهند از الگوریتم های ژنتیک برای انجام کارهای هوشمندانه در برنامه های خود استفاده کنند. دانش کاری پایتون و دانش پایه ریاضیات و علوم کامپیوتر به شما کمک می کند تا از این کتاب بیشترین بهره را ببرید.
Key Features
• Explore the ins and outs of genetic algorithms with this fast-paced guide
• Implement tasks such as feature selection, search optimization, and cluster analysis using Python
• Solve combinatorial problems, optimize functions, and enhance the performance of artificial intelligence applications
Book Description
Genetic algorithms are a family of search, optimization, and learning algorithms inspired by the principles of natural evolution. By imitating the evolutionary process, genetic algorithms can overcome hurdles encountered in traditional search algorithms and provide high-quality solutions for a variety of problems. This book will help you get to grips with a powerful yet simple approach to applying genetic algorithms to a wide range of tasks using Python, covering the latest developments in artificial intelligence.
After introducing you to genetic algorithms and their principles of operation, you’ll understand how they differ from traditional algorithms and what types of problems they can solve. You’ll then discover how they can be applied to search and optimization problems, such as planning, scheduling, gaming, and analytics. As you advance, you’ll also learn how to use genetic algorithms to improve your machine learning and deep learning models, solve reinforcement learning tasks, and perform image reconstruction. Finally, you’ll cover several related technologies that can open up new possibilities for future applications.
By the end of this book, you’ll have hands-on experience applying genetic algorithms in artificial intelligence as well as numerous other domains.
What you will learn
• Learn to use state-of-the-art Python tools to create genetic algorithm-based applications
• Use genetic algorithms to optimize functions and solve planning and scheduling problems
• Enhance the performance of machine learning models and optimize deep-learning network architecture
• Apply genetic algorithms to reinforcement learning tasks using OpenAI Gym
• Explore how images can be reconstructed using a set of semi-transparent shapes
• Discover other bio-inspired techniques such as genetic programming and particle swarm optimization
Who This Book Is For
This book is for software developers, data scientists, and AI enthusiasts who want to use genetic algorithms to carry out intelligent tasks in their applications. Working knowledge of Python and basic knowledge of mathematics and computer science will help you get the most out of this book.
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.