Beginning with Deep Learning Using TensorFlow: A Beginners Guide to TensorFlow and Keras for Practicing Deep Learning Principles and Applications (English Edition)

راهنمای تمرینی برای TensorFlow و یادگیری عمیق

ویژگی‌های کلیدی

● مجهز به مقدمه لازم برای یادگیری عمیق و هوش مصنوعی.

● شامل دموها و الگوهایی برای شروع خوب پروژه های شما.

● در مورد مهم ترین جنبه های هوش مصنوعی، تصویر و تشخیص گفتار اطلاعات بیشتری پیدا کنید.</ p>

توضیحات

این کتاب شروع می‌شود با پیکربندی یک محیط توسعه Anaconda که برای تمرین فرآیند یادگیری عمیق ضروری است. اصول اولیه یادگیری ماشین، که برای یادگیری عمیق مورد نیاز است، در این کتاب توضیح داده شده است.

TensorFlow کتابخانه استاندارد صنعتی برای یادگیری عمیق است. و در نتیجه، آن را به طور گسترده با هر دو نسخه، 1.x و 2.x پوشش داده شده است. از آنجایی که شبکه‌های عصبی قلب یادگیری عمیق هستند، کتاب آنها را با جزئیات زیاد و سیستماتیک توضیح می‌دهد، که با یک نورون شروع می‌شود و از طریق شبکه‌های عصبی چندلایه عمیق پیشرفت می‌کند. تاکید این کتاب بر کاربرد عملی مفاهیم کلیدی به جای عمیق کردن آنهاست.

پس از ایجاد پایه ای محکم در TensorFlow و شبکه‌های عصبی، این کتاب مفاهیم تشخیص تصویر را با استفاده از شبکه‌های عصبی کانولوشنال (CNN) و به دنبال آن تشخیص گفتار و پردازش زبان طبیعی (NLP) توضیح می‌دهد. علاوه بر این، این کتاب در مورد Transformers، جدیدترین پیشرفت در NLP بحث می کند.

آنچه شما خواهید آموخت

● مدل‌های یادگیری ماشینی برای طبقه‌بندی و رگرسیون ایجاد کنید.

● از TensorFlow استفاده کنید 1.x برای پیاده سازی شبکه های عصبی.

● با Keras API و TensorFlow 2 کار کنید.

< span>● طراحی و آموزش مدل‌های دسته‌بندی تصویر را بیاموزید.

● با استفاده از مدل‌های زبان مبتنی بر ترانسفورماتور، برنامه‌های ترجمه و پرسش و پاسخ بسازید.</ p>

این کتاب برای چه کسی است

این کتاب برای کسانی است که تازه به یادگیری عمیق می پردازند و می خواهند در مورد اصول و کاربردهای آن بیاموزند. قبل از شروع، باید با پایتون آشنا باشید.

فهرست محتوا< span>

1.مقدمه ای بر هوش مصنوعی

2 . یادگیری ماشین

3. برنامه نویسی TensorFlow

4. شبکه های عصبی

5. TensorFlow 2

6. تشخیص تصویر

7. تشخیص گفتار

A Practicing Guide to TensorFlow and Deep Learning

Key Features

● Equipped with a necessary introduction to Deep Learning and AI.

● Includes demos and templates to give your projects a good start.

● Find more on the most important facets of AI, image, and speech recognition.

Description

This book begins with the configuration of an Anaconda development environment, essential for practicing the deep learning process. The basics of machine learning, which are needed for Deep Learning, are explained in this book.

TensorFlow is the industry-standard library for Deep Learning, and thereby, it is covered extensively with both versions, 1.x and 2.x. As neural networks are the heart of Deep Learning, the book explains them in great detail and systematic fashion, beginning with a single neuron and progressing through deep multilayer neural networks. The emphasis of this book is on the practical application of key concepts rather than going in-depth with them.

After establishing a firm basis in TensorFlow and Neural Networks, the book explains the concepts of image recognition using Convolutional Neural Networks (CNN), followed by speech recognition, and natural language processing (NLP). Additionally, this book discusses Transformers, the most recent advancement in NLP.

What you will learn

● Create machine learning models for classification and regression.

● Utilize TensorFlow 1.x to implement neural networks.

● Work with the Keras API and TensorFlow 2.

● Learn to design and train image categorization models.

● Construct translation and Q & A apps using transformer-based language models.

Who this book is for

This book is intended for those new to Deep Learning who want to learn about its principles and applications. Before you begin, you'll need to be familiar with Python.

Table of Contents

1.Introduction to Artificial Intelligence

2. Machine Learning

3. TensorFlow Programming

4. Neural Networks

5. TensorFlow 2

6. Image Recognition

7. Speech Recognition