دانلود کتاب Introduction to Deep Learning (به فارسی: مقدمه ای بر یادگیری عمیق) نوشته شده توسط «Eugene Charniak»
اطلاعات کتاب مقدمه ای بر یادگیری عمیق
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: The MIT Press
نویسنده: Eugene Charniak
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2019
تعداد صفحه: 192 / 187
حجم فایل: 16.33 مگابایت
کد کتاب: 0262039516 , 9780262039512
نوبت چاپ: 1
توضیحات کتاب مقدمه ای بر یادگیری عمیق
راهنمای پروژه محور برای اصول یادگیری عمیق.
این راهنمای مختصر و پروژه محور برای یادگیری عمیق، خوانندگان را از طریق یک سری وظایف برنامه نویسی راهنمایی می کند که آنها را با استفاده از یادگیری عمیق در زمینه هایی از هوش مصنوعی مانند بینایی رایانه، پردازش زبان طبیعی، و یادگیری تقویتی آشنا می کند. نویسنده، محقق باسابقه هوش مصنوعی و متخصص در پردازش زبان طبیعی، شبکه‌های عصبی پیش‌خور، شبکه‌های عصبی کانولوشنال، جاسازی‌های کلمه، شبکه‌های عصبی مکرر، یادگیری ترتیب به ترتیب، یادگیری تقویتی عمیق، مدل‌های بدون نظارت و دیگر اساسی را پوشش می‌دهد. مفاهیم و تکنیک ها دانش‌آموزان و تمرین‌کنندگان با کار کردن از طریق برنامه‌هایی در Tensorflow، یک چارچوب یادگیری ماشین منبع باز، اصول یادگیری عمیق را یاد می‌گیرند. نویسنده می نویسد: “من متوجه می شوم که مواد علوم کامپیوتر را با نشستن و نوشتن برنامه ها به بهترین شکل یاد می گیرم.” و کتاب منعکس کننده این رویکرد است.
هر فصل شامل یک پروژه برنامه نویسی، تمرین ها، و منابع برای مطالعه بیشتر است. یک فصل اولیه به تنسورفلو و رابط آن با پایتون، زبان برنامه نویسی پرکاربرد، اختصاص یافته است. آشنایی با جبر خطی، حساب دیفرانسیل و انتگرال چند متغیره و احتمالات و آمار لازم است، همانطور که دانش ابتدایی برنامه نویسی در پایتون نیز لازم است. این کتاب در هر دو دوره کارشناسی و کارشناسی ارشد قابل استفاده است. پزشکان آن را یک مرجع ضروری خواهند یافت.
This concise, project-driven guide to deep learning takes readers through a series of program-writing tasks that introduce them to the use of deep learning in such areas of artificial intelligence as computer vision, natural-language processing, and reinforcement learning. The author, a longtime artificial intelligence researcher specializing in natural-language processing, covers feed-forward neural nets, convolutional neural nets, word embeddings, recurrent neural nets, sequence-to-sequence learning, deep reinforcement learning, unsupervised models, and other fundamental concepts and techniques. Students and practitioners learn the basics of deep learning by working through programs in Tensorflow, an open-source machine learning framework. “I find I learn computer science material best by sitting down and writing programs,” the author writes, and the book reflects this approach.
Each chapter includes a programming project, exercises, and references for further reading. An early chapter is devoted to Tensorflow and its interface with Python, the widely used programming language. Familiarity with linear algebra, multivariate calculus, and probability and statistics is required, as is a rudimentary knowledge of programming in Python. The book can be used in both undergraduate and graduate courses; practitioners will find it an essential reference.
دانلود کتاب «مقدمه ای بر یادگیری عمیق»
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.