دانلود کتاب R Deep Learning Projects (به فارسی: R پروژه های یادگیری عمیق) نوشته شده توسط «Yuxi (Hayden) Liu – Pablo Maldonado»
اطلاعات کتاب R پروژه های یادگیری عمیق
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Yuxi (Hayden) Liu – Pablo Maldonado
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
تعداد صفحه: 258 / 248
حجم فایل: 10.47 مگابایت
کد کتاب: 1788478401 , 9781788478403
توضیحات کتاب R پروژه های یادگیری عمیق
R یک زبان برنامه نویسی محبوب است که توسط آماردانان و ریاضیدانان برای تجزیه و تحلیل آماری استفاده می شود و به طور رایج برای یادگیری عمیق استفاده می شود. یادگیری عمیق، همانطور که همه ما می دانیم، یکی از موضوعات پرطرفدار امروزه است و در حال یافتن کاربردهای عملی در بسیاری از حوزه ها است.
این کتاب اجرای سرتاسری پنج پروژه دنیای واقعی را در موضوعات پرطرفدار در یادگیری عمیق مانند تشخیص رقم دستنویس، تشخیص چراغ راهنمایی، تشخیص تقلب، تولید متن و تحلیل احساسات نشان میدهد. شما یاد خواهید گرفت که چگونه شبکه های عصبی موثر را در R آموزش دهید – از جمله شبکه های عصبی کانولوشنال، شبکه های عصبی تکراری و LSTM ها – و آنها را در سناریوهای عملی به کار ببرید. این کتاب همچنین نشان می دهد که چگونه شبکه های عصبی را می توان با استفاده از قابلیت های GPU آموزش داد. برای اجرای پروژهها از کتابخانهها و بستههای محبوب R – مانند MXNetR، H2O، deepnet و غیره استفاده خواهید کرد.
در پایان این کتاب، شما درک بهتری از مفاهیم و تکنیک های یادگیری عمیق و نحوه استفاده از آنها در یک محیط عملی خواهید داشت.
آنچه خواهید آموخت
• مدل های یادگیری عمیق ابزار با بسته هایی مانند deepnet، MXNetR، Tensorflow، H2O، Keras و text2vec
• از شبکه های عصبی برای انجام تشخیص رقم دست نویس با استفاده از MXNet
استفاده کنید
• مهارت مدلهای CNN، API شبکه عصبی، Keras و TensorFlow را برای طبقهبندی علائم ترافیکی بدست آورید
• تشخیص تقلب کارت اعتباری را با Autoencoders
پیاده سازی کنید
• در بازسازی تصاویر با استفاده از رمزگذارهای خودکار متغیر
استاد شوید
• تجزیه و تحلیل احساسات از نقدهای فیلم
را بررسی کنید
• اجرا از گذشته به آینده و بالعکس با شبکه های حافظه کوتاه مدت دو جهته (LSTM)
• کاربردهای شبکه های عصبی رمزگذار خودکار در خوشه بندی و کاهش ابعاد را درک کنید
This book demonstrates end-to-end implementations of five real-world projects on popular topics in deep learning such as handwritten digit recognition, traffic light detection, fraud detection, text generation, and sentiment analysis. You’ll learn how to train effective neural networks in R—including convolutional neural networks, recurrent neural networks, and LSTMs—and apply them in practical scenarios. The book also highlights how neural networks can be trained using GPU capabilities. You will use popular R libraries and packages—such as MXNetR, H2O, deepnet, and more—to implement the projects.
By the end of this book, you will have a better understanding of deep learning concepts and techniques and how to use them in a practical setting.
What You Will Learn
• Instrument Deep Learning models with packages such as deepnet, MXNetR, Tensorflow, H2O, Keras, and text2vec
• Apply neural networks to perform handwritten digit recognition using MXNet
• Get the knack of CNN models, Neural Network API, Keras, and TensorFlow for traffic sign classification
• Implement credit card fraud detection with Autoencoders
• Master reconstructing images using variational autoencoders
• Wade through sentiment analysis from movie reviews
• Run from past to future and vice versa with bidirectional Long Short-Term Memory (LSTM) networks
• Understand the applications of Autoencoder Neural Networks in clustering and dimensionality reduction
دانلود کتاب «R پروژه های 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.