دانلود کتاب Introduction to Deep Learning: From Logical Calculus to Artificial Intelligence (به فارسی: مقدمه ای بر یادگیری عمیق: از حساب منطقی تا هوش مصنوعی) نوشته شده توسط «Sandro Skansi»
اطلاعات کتاب مقدمه ای بر یادگیری عمیق: از حساب منطقی تا هوش مصنوعی
موضوع اصلی: کامپیوتر – هوش مصنوعی (AI)
نوع: کتاب الکترونیکی
ناشر: Springer International Publishing
نویسنده: Sandro Skansi
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
تعداد صفحه: 196
حجم فایل: 3.71 مگابایت
کد کتاب: 3319730045 , 9783319730042
نوبت چاپ: 1
توضیحات کتاب مقدمه ای بر یادگیری عمیق: از حساب منطقی تا هوش مصنوعی
این کتاب درسی اولین مقدمه مختصر، در دسترس و جذابی را برای یادگیری عمیق ارائه می‌کند که طیف گسترده‌ای از مدل‌های ارتباط‌گرا را ارائه می‌کند که نشان‌دهنده وضعیت فعلی هنر است. این متن محبوب ترین الگوریتم ها و معماری ها را به سبکی ساده و شهودی بررسی می کند و مشتقات ریاضی را به صورت گام به گام توضیح می دهد. پوشش محتوا شامل شبکه‌های کانولوشن، LSTM، Word2vec، RBM، DBN، ماشین‌های تورینگ عصبی، شبکه‌های حافظه و رمزگذارهای خودکار است. نمونه‌های متعددی از کد پایتون در سراسر کتاب ارائه شده است، و کد نیز به‌طور جداگانه در یک وب‌سایت همراه ارائه شده است.
موضوعات و ویژگی‌ها: معرفی اصول یادگیری ماشینی، و پیش نیازهای ریاضی و محاسباتی برای عمیق یادگیری؛ شبکه‌های عصبی پیشخور را مورد بحث قرار می‌دهد و تغییراتی را که می‌توان برای هر شبکه عصبی اعمال کرد، بررسی کرد. شبکه های عصبی کانولوشنال و اتصالات مکرر به یک شبکه عصبی پیشخور را بررسی می کند. مفهوم بازنمایی های توزیع شده، مفهوم رمزگذار خودکار، و ایده های پشت پردازش زبان با یادگیری عمیق را توصیف می کند. تاریخچه مختصری از هوش مصنوعی و شبکه‌های عصبی را ارائه می‌کند و مشکلات تحقیقاتی باز جالب در یادگیری عمیق و ارتباط‌گرایی را مرور می‌کند.
این آغازگر به وضوح نوشته شده و زنده در مورد یادگیری عمیق، خواندن ضروری برای دانشجویان کارشناسی ارشد و پیشرفته در رشته‌های علوم کامپیوتر، علوم شناختی است. و ریاضیات و همچنین رشته هایی مانند زبان شناسی، منطق، فلسفه و روانشناسی.
This textbook presents a concise, accessible and engaging first introduction to deep learning, offering a wide range of connectionist models which represent the current state-of-the-art. The text explores the most popular algorithms and architectures in a simple and intuitive style, explaining the mathematical derivations in a step-by-step manner. The content coverage includes convolutional networks, LSTMs, Word2vec, RBMs, DBNs, neural Turing machines, memory networks and autoencoders. Numerous examples in working Python code are provided throughout the book, and the code is also supplied separately at an accompanying website.
Topics and features: introduces the fundamentals of machine learning, and the mathematical and computational prerequisites for deep learning; discusses feed-forward neural networks, and explores the modifications to these which can be applied to any neural network; examines convolutional neural networks, and the recurrent connections to a feed-forward neural network; describes the notion of distributed representations, the concept of the autoencoder, and the ideas behind language processing with deep learning; presents a brief history of artificial intelligence and neural networks, and reviews interesting open research problems in deep learning and connectionism.
This clearly written and lively primer on deep learning is essential reading for graduate and advanced undergraduate students of computer science, cognitive science and mathematics, as well as fields such as linguistics, logic, philosophy, and psychology.
دانلود کتاب «مقدمه ای بر یادگیری عمیق: از حساب منطقی تا هوش مصنوعی»
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.