مشخصات کتاب

Advanced Deep Learning with R

ویرایش: 1 
نویسندگان: Bharatendra Rai  
سری:  
ISBN (شابک) : 9781789534986, 1789534984 
ناشر: Packt Publishing Ltd 
سال نشر: 2019 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 مگابایت 

در صورت تبدیل فایل کتاب Advanced Deep Learning with R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری عمیق پیشرفته با R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب یادگیری عمیق پیشرفته با R

کشف بهترین روش‌ها برای انتخاب، ساخت، آموزش و بهبود مدل‌های یادگیری عمیق با استفاده از کتابخانه‌های Keras-R و TensorFlow-R ویژگی‌های کلیدی پیاده‌سازی الگوریتم‌های یادگیری عمیق برای ساخت مدل‌های هوش مصنوعی با کمک نکات و ترفندها درک نحوه عملکرد مدل‌های یادگیری عمیق با استفاده از متخصص تکنیک ها استفاده از یادگیری تقویتی، بینایی کامپیوتر، GAN ها و NLP با استفاده از طیف وسیعی از مجموعه داده ها شرح کتاب یادگیری عمیق شاخه ای از یادگیری ماشین است که بر اساس مجموعه ای از الگوریتم ها تلاش می کند تا انتزاعات سطح بالا را در داده ها مدل کند. یادگیری عمیق پیشرفته با R به شما کمک می کند معماری های یادگیری عمیق محبوب و انواع آن ها را در R درک کنید، همراه با ارائه مثال های واقعی برای آنها. این کتاب یادگیری عمیق با پوشش دادن تکنیک ها و مفاهیم یادگیری عمیق ضروری برای پیش بینی و طبقه بندی شروع می شود. شما در مورد شبکه های عصبی، معماری های یادگیری عمیق و اصول اولیه پیاده سازی یادگیری عمیق با R خواهید آموخت. این کتاب همچنین شما را با استفاده از کتابخانه های مهم یادگیری عمیق مانند Keras-R و TensorFlow-R برای پیاده سازی الگوریتم های یادگیری عمیق در برنامه ها راهنمایی می کند. با استفاده از مثال‌های پیشرفته، با شبکه‌های عصبی مصنوعی، شبکه‌های عصبی تکراری، شبکه‌های عصبی کانولوشنال، شبکه‌های حافظه کوتاه‌مدت و موارد دیگر به سرعت خواهید رسید. بعداً خواهید فهمید که چگونه از شبکه های متخاصم مولد (GAN) برای تولید تصاویر جدید استفاده کنید. شبکه‌های عصبی رمزگذار خودکار برای کاهش ابعاد تصویر، حذف نویز و تصحیح تصویر و انتقال یادگیری برای آماده‌سازی، تعریف، آموزش و مدل‌سازی یک شبکه عصبی عمیق. تا پایان این کتاب، شما آماده خواهید بود تا دانش و مهارت های تازه کسب شده خود را برای به کارگیری الگوریتم های یادگیری عمیق در R از طریق مثال های دنیای واقعی پیاده سازی کنید. آنچه یاد خواهید گرفت یاد بگیرید چگونه مدل های شبکه های عصبی عمیق باینری و چند کلاسه ایجاد کنید پیاده سازی GAN ها برای تولید تصاویر جدید ایجاد شبکه های عصبی رمزگذار خودکار برای کاهش ابعاد تصویر، حذف نویز تصویر و تصحیح تصویر پیاده سازی شبکه های عصبی عمیق برای انجام طبقه بندی متن کارآمد یاد بگیرید تعریف یک مدل شبکه کانولوشن مکرر برای طبقه‌بندی در Keras. بهترین شیوه‌ها و نکات برای بهینه‌سازی عملکرد مدل‌های مختلف یادگیری عمیق را کاوش کنید این کتاب برای چه کسی است این کتاب برای دانشمندان داده، متخصصان یادگیری ماشین، محققان یادگیری عمیق و علاقه‌مندان به هوش مصنوعی است که می‌خواهند خود را توسعه دهند. مهارت ها و دانش برای پیاده سازی تکنیک ها و الگوریتم های یادگیری عمیق با استفاده از قدرت R. درک کاملی از یادگیری ماشین و دانش کاری زبان برنامه نویسی R مورد نیاز است.

توضیحاتی درمورد کتاب به خارجی

Discover best practices for choosing, building, training, and improving deep learning models using Keras-R, and TensorFlow-R libraries Key Features Implement deep learning algorithms to build AI models with the help of tips and tricks Understand how deep learning models operate using expert techniques Apply reinforcement learning, computer vision, GANs, and NLP using a range of datasets Book Description Deep learning is a branch of machine learning based on a set of algorithms that attempt to model high-level abstractions in data. Advanced Deep Learning with R will help you understand popular deep learning architectures and their variants in R, along with providing real-life examples for them. This deep learning book starts by covering the essential deep learning techniques and concepts for prediction and classification. You will learn about neural networks, deep learning architectures, and the fundamentals for implementing deep learning with R. The book will also take you through using important deep learning libraries such as Keras-R and TensorFlow-R to implement deep learning algorithms within applications. You will get up to speed with artificial neural networks, recurrent neural networks, convolutional neural networks, long short-term memory networks, and more using advanced examples. Later, you'll discover how to apply generative adversarial networks (GANs) to generate new images; autoencoder neural networks for image dimension reduction, image de-noising and image correction and transfer learning to prepare, define, train, and model a deep neural network. By the end of this book, you will be ready to implement your knowledge and newly acquired skills for applying deep learning algorithms in R through real-world examples. What you will learn Learn how to create binary and multi-class deep neural network models Implement GANs for generating new images Create autoencoder neural networks for image dimension reduction, image de-noising and image correction Implement deep neural networks for performing efficient text classification Learn to define a recurrent convolutional network model for classification in Keras Explore best practices and tips for performance optimization of various deep learning models Who this book is for This book is for data scientists, machine learning practitioners, deep learning researchers and AI enthusiasts who want to develop their skills and knowledge to implement deep learning techniques and algorithms using the power of R. A solid understanding of machine learning and working knowledge of the R programming language are required.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Das landschaftliche Kreditwesen

دانلود کتاب Engineering Knowledge

دانلود کتاب A Tour Through the Whole Island of Great Britain

دانلود کتاب Images, Power, and Politics: Figurative Aspects of Esarhaddon's Babylonian Policy

دانلود کتاب П'ять по дванадцяиій. Записки на бігу.