نرم افزار: سیستم ها: محاسبات علمی

یادگیری عمیق عملی: مقدمه ای مبتنی بر پایتون

Practical Deep Learning: A Python-Based Introduction

دانلود کتاب Practical Deep Learning: A Python-Based Introduction (به فارسی: یادگیری عمیق عملی: مقدمه ای مبتنی بر پایتون) نوشته شده توسط «Ron Kneusel»


اطلاعات کتاب یادگیری عمیق عملی: مقدمه ای مبتنی بر پایتون

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: No Starch Press

نویسنده: Ron Kneusel

زبان: english

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

سال انتشار: 2021

تعداد صفحه: 464

حجم فایل: 13.66 مگابایت

کد کتاب: 1718500742 , 9781718500747

نوبت چاپ: 1

توضیحات کتاب یادگیری عمیق عملی: مقدمه ای مبتنی بر پایتون

یادگیری عمیق عملی به افراد مبتدی می آموزد که چگونه مجموعه داده ها و مدل های مورد نیاز برای آموزش شبکه های عصبی برای پروژه های DL خود را بسازند.

اگر در مورد یادگیری ماشین کنجکاو بوده اید اما نمی دانید از کجا شروع کنید، این کتابی که منتظرش بودی با تمرکز بر حوزه فرعی یادگیری ماشینی که به عنوان یادگیری عمیق شناخته می شود، مفاهیم اصلی را توضیح می دهد و پایه و اساس لازم برای شروع ساخت مدل های خود را در اختیار شما قرار می دهد. یادگیری عمیق عملی به جای تشریح دستور العمل های ساده برای استفاده از ابزارهای موجود، چرایی یادگیری عمیق را به شما می آموزد و به شما انگیزه می دهد که بیشتر کاوش کنید.
 
همه چیزی که نیاز دارید آشنایی اولیه با برنامه نویسی کامپیوتر و ریاضیات دبیرستانی است—کتاب بقیه را پوشش خواهد داد. پس از معرفی پایتون، موضوعات کلیدی مانند نحوه ایجاد یک مجموعه داده آموزشی خوب، کار با کتابخانه‌های scikit-learn و Keras و ارزیابی عملکرد مدل‌های خود را مرور خواهید کرد.
 
همچنین خواهید آموخت. :
• نحوه استفاده از مدل‌های یادگیری ماشین کلاسیک مانند k-Nearest Neighbors، جنگل‌های تصادفی، و ماشین‌های بردار پشتیبان
• نحوه کار شبکه‌های عصبی و نحوه آموزش آنها
• نحوه استفاده از شبکه‌های عصبی کانولوشن
• چگونه از ابتدا یک مدل یادگیری عمیق موفق ایجاد کنید

در طول مسیر آزمایشاتی را انجام خواهید داد و به مطالعه موردی نهایی خواهید رسید که همه چیزهایی را که آموخته‌اید ترکیب می‌کند.
 
آموزش عمیق عملی، مقدمه ای عالی برای این حوزه پویا و همیشه در حال گسترش، به شما مهارت و اعتماد به نفس می دهد تا در پروژه های یادگیری ماشینی خود غوطه ور شوید.

Author Bio
رونالد تی. نئوزل دکترای یادگیری ماشین را از دانشگاه کلرادو، بولدر دریافت کرد، نزدیک به 20 سال تجربه یادگیری ماشین در صنعت دارد و در حال حاضر پروژه های یادگیری عمیق را با L3Harris Technologies، Inc. Numbers and Computers (ویرایش دوم، Springer 2017) و Random Numbers and Computers (Springer 2018).


Practical Deep Learning teaches total beginners how to build the datasets and models needed to train neural networks for your own DL projects.

If you’ve been curious about machine learning but didn’t know where to start, this is the book you’ve been waiting for. Focusing on the subfield of machine learning known as deep learning, it explains core concepts and gives you the foundation you need to start building your own models. Rather than simply outlining recipes for using existing toolkits, Practical Deep Learning teaches you the why of deep learning and will inspire you to explore further.
 
All you need is basic familiarity with computer programming and high school math—the book will cover the rest. After an introduction to Python, you’ll move through key topics like how to build a good training dataset, work with the scikit-learn and Keras libraries, and evaluate your models’ performance.
 
You’ll also learn:
• How to use classic machine learning models like k-Nearest Neighbors, Random Forests, and Support Vector Machines
• How neural networks work and how they’re trained
• How to use convolutional neural networks
• How to develop a successful deep learning model from scratch

You’ll conduct experiments along the way, building to a final case study that incorporates everything you’ve learned.
 
The perfect introduction to this dynamic, ever-expanding field, Practical Deep Learning will give you the skills and confidence to dive into your own machine learning projects.

Author Bio
Ronald T. Kneusel earned a PhD in machine learning from the University of Colorado, Boulder, has nearly 20 years of machine learning experience in industry, and is presently pursuing deep-learning projects with L3Harris Technologies, Inc. Kneusel is also the author of Numbers and Computers (2nd ed., Springer 2017) and Random Numbers and Computers (Springer 2018).

دانلود کتاب «یادگیری عمیق عملی: مقدمه ای مبتنی بر پایتون»

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

📖 خرید این کتاب

برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمه‌های زیر کلیک کنید تا پیام آماده برای شما ارسال شود:

پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.

دیدگاهتان را بنویسید