دانلود کتاب Hands-On Python Deep Learning for the Web: Integrating neural network architectures to build smart web apps with Flask, Django, and TensorFlow (به فارسی: آموزش عمیق پایتون برای وب: یکپارچه سازی معماری شبکه های عصبی برای ساخت برنامه های وب هوشمند با Flask، Django و TensorFlow) نوشته شده توسط «Anubhav Singh – Sayak Paul»
اطلاعات کتاب آموزش عمیق پایتون برای وب: یکپارچه سازی معماری شبکه های عصبی برای ساخت برنامه های وب هوشمند با Flask، Django و TensorFlow
موضوع اصلی: کامپیوترها
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Anubhav Singh – Sayak Paul
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 404 / 390
حجم فایل: 17.41 مگابایت
کد کتاب: 1789956080 , 9781789956085
توضیحات کتاب آموزش عمیق پایتون برای وب: یکپارچه سازی معماری شبکه های عصبی برای ساخت برنامه های وب هوشمند با Flask، Django و TensorFlow
از قدرت یادگیری عمیق با پایتون برای ساخت و استقرار برنامه های کاربردی وب هوشمند استفاده کنید
ویژگی های کلیدی
- ایجاد برنامه های وب هوشمند نسل بعدی با استفاده از کتابخانه های پایتون مانند Flask و جنگو
- پیاده سازی الگوریتم ها و تکنیک های یادگیری عمیق برای انجام اتوماسیون وب هوشمند
- یکپارچه سازی معماری شبکه های عصبی برای ایجاد برنامه های کاربردی وب قدرتمند تمام پشته
توضیحات کتاب
در صورت استفاده موثر، تکنیک‌های یادگیری عمیق می‌توانند به شما در توسعه برنامه‌های وب هوشمند کمک کنند. در این کتاب، آخرین ابزارها و شیوه‌های تکنولوژیکی که برای پیاده‌سازی یادگیری عمیق در توسعه وب با استفاده از پایتون استفاده می‌شوند را پوشش می‌دهید.
با شروع با اصول یادگیری ماشینی، روی DL و اصول اولیه شبکه های عصبی، از جمله انواع رایج مانند شبکه های عصبی کانولوشنال (CNN) تمرکز خواهید کرد. شما یاد خواهید گرفت که چگونه آنها را در وب‌سایت‌ها با پیشانی پشته‌های مختلف فناوری وب استاندارد ادغام کنید. سپس این کتاب به شما کمک می‌کند تا با ایجاد APIهای RESTful برای مدل‌های سفارشی، تجربه عملی ایجاد یک برنامه وب با قابلیت یادگیری عمیق با استفاده از کتابخانه‌های Python مانند Django و Flask به دست آورید. بعداً نحوه راه‌اندازی یک محیط ابری برای استقرار وب مبتنی بر یادگیری عمیق در Google Cloud و خدمات وب آمازون (AWS) را بررسی خواهید کرد. در مرحله بعد، نحوه استفاده از Emotion API هوشمند مایکروسافت را یاد خواهید گرفت که می تواند احساسات افراد را از طریق تصویری از چهره آنها تشخیص دهد. شما همچنین با استقرار وب‌سایت‌های دنیای واقعی، علاوه بر یادگیری نحوه ایمن‌سازی وب‌سایت‌ها با استفاده از reCAPTCHA و Cloudflare، آشنا خواهید شد. در نهایت، از NLP برای ادغام یک UX صوتی از طریق Dialogflow در صفحات وب خود استفاده خواهید کرد.
در پایان این کتاب، شما یاد خواهید گرفت که چگونه برنامه‌ها و وب‌سایت‌های وب هوشمند را با کمک ابزارها و روش‌های مؤثر استقرار دهید.
آنچه خواهید آموخت
- مدل های یادگیری عمیق را کاوش کنید و آنها را در مرورگر خود پیاده سازی کنید
- یک کلاینت مبتنی بر وب هوشمند با استفاده از جنگو و فلاسک طراحی کنید
- برای انجام وظایف یادگیری عمیق با API های مختلف مبتنی بر پایتون کار کنید
- مدل های شبکه عصبی محبوب را با TensorFlow.js پیاده سازی کنید
- طراحی و ساخت سرویس های وب عمیق بر روی ابر با استفاده از یادگیری عمیق
- با گردش کار استاندارد مدل های یادگیری عمیق آشنا شوید. در حال تولید
این کتاب برای چه کسی است
این کتاب یادگیری عمیق برای دانشمندان داده، متخصصان یادگیری ماشین و مهندسین یادگیری عمیق است که به دنبال اجرای تکنیک‌ها و روش‌های یادگیری عمیق در وب هستند. همچنین اگر توسعه‌دهنده وب هستید و می‌خواهید تکنیک‌های هوشمندانه‌ای را در مرورگر پیاده‌سازی کنید تا تعاملی‌تر شود، این کتاب برای شما مفید خواهد بود. دانش کاری زبان برنامه نویسی پایتون و تکنیک های اصلی یادگیری ماشین مفید خواهد بود.
فهرست مطالب
- ابهام زدایی از هوش مصنوعی و مبانی یادگیری ماشین
- شروع با استفاده از یادگیری عمیق Python
- ایجاد اولین برنامه وب یادگیری عمیق شما
- آغاز با TensorFlow.js
- آموزش عمیق از طریق API
- آموزش عمیق در Google پلتفرم ابری با استفاده از پایتون
- DL در AWS با استفاده از پایتون: تشخیص اشیا و اتوماسیون خانگی
- آموزش عمیق در Microsoft Azure با استفاده از پایتون
- یک چارچوب تولید کلی برای یادگیری عمیق -وب سایت های فعال
- ایمن سازی برنامه های وب با یادگیری عمیق
- DIY – یک محیط تولید وب DL
- ایجاد یک برنامه وب E2E با استفاده از API های DL و چت ربات پشتیبانی مشتری
- ضمیمه: داستان های موفقیت و حوزه های نوظهور در یادگیری عمیق در وب
Use the power of deep learning with Python to build and deploy intelligent web applications
Key Features
- Create next-generation intelligent web applications using Python libraries such as Flask and Django
- Implement deep learning algorithms and techniques for performing smart web automation
- Integrate neural network architectures to create powerful full-stack web applications
Book Description
When used effectively, deep learning techniques can help you develop intelligent web apps. In this book, you’ll cover the latest tools and technological practices that are being used to implement deep learning in web development using Python.
Starting with the fundamentals of machine learning, you’ll focus on DL and the basics of neural networks, including common variants such as convolutional neural networks (CNNs). You’ll learn how to integrate them into websites with the frontends of different standard web tech stacks. The book then helps you gain practical experience of developing a deep learning-enabled web app using Python libraries such as Django and Flask by creating RESTful APIs for custom models. Later, you’ll explore how to set up a cloud environment for deep learning-based web deployments on Google Cloud and Amazon Web Services (AWS). Next, you’ll learn how to use Microsoft’s intelligent Emotion API, which can detect a person’s emotions through a picture of their face. You’ll also get to grips with deploying real-world websites, in addition to learning how to secure websites using reCAPTCHA and Cloudflare. Finally, you’ll use NLP to integrate a voice UX through Dialogflow on your web pages.
By the end of this book, you’ll have learned how to deploy intelligent web apps and websites with the help of effective tools and practices.
What you will learn
- Explore deep learning models and implement them in your browser
- Design a smart web-based client using Django and Flask
- Work with different Python-based APIs for performing deep learning tasks
- Implement popular neural network models with TensorFlow.js
- Design and build deep web services on the cloud using deep learning
- Get familiar with the standard workflow of taking deep learning models into production
Who this book is for
This deep learning book is for data scientists, machine learning practitioners, and deep learning engineers who are looking to perform deep learning techniques and methodologies on the web. You will also find this book useful if you’re a web developer who wants to implement smart techniques in the browser to make it more interactive. Working knowledge of the Python programming language and basic machine learning techniques will be beneficial.
Table of Contents
- Demystifying Artificial Intelligence and Fundamentals of Machine Learning
- Getting Started with Deep Learning Using Python
- Creating Your First Deep Learning Web Application
- Getting Started with TensorFlow.js
- Deep Learning through APIs
- Deep Learning on Google Cloud Platform Using Python
- DL on AWS Using Python: Object Detection and Home Automation
- Deep Learning on Microsoft Azure Using Python
- A General Production Framework for Deep Learning-Enabled Websites
- Securing Web Apps with Deep Learning
- DIY – A Web DL Production Environment
- Creating an E2E Web App Using DL APIs and Customer Support Chatbot
- Appendix: Success Stories and Emerging Areas in Deep Learning on the Web
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.