دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data Augmentation with Python: Enhance accuracy in Deep Learning with practical Data Augmentation for image, text, audio
دانلود کتاب تقویت داده ها با پایتون: افزایش دقت در یادگیری عمیق با افزایش عملی داده برای تصویر، متن، صدا
مشخصات کتاب
Data Augmentation with Python: Enhance accuracy in Deep Learning with practical Data Augmentation for image, text, audio
ویرایش: [1 ed.]
نویسندگان: Duc Haba
سری:
ISBN (شابک) : 9781803246451
ناشر: Packt Publishing
سال نشر: 2023
تعداد صفحات: 394
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 43 Mb
قیمت کتاب (تومان) : 38,000
در صورت تبدیل فایل کتاب Data Augmentation with Python: Enhance accuracy in Deep Learning with practical Data Augmentation for image, text, audio 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 تقویت داده ها با پایتون: افزایش دقت در یادگیری عمیق با افزایش عملی داده برای تصویر، متن، صدا 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 تقویت داده ها با پایتون: افزایش دقت در یادگیری عمیق با افزایش عملی داده برای تصویر، متن، صدا
هوش مصنوعی و دقت هوش مصنوعی مولد خود را با استفاده از مجموعه داده های دنیای واقعی با بیش از 150 روش کاربردی شی گرا و کتابخانه های منبع باز تقویت کنید. خرید کتاب چاپی یا Kindle شامل یک کتاب الکترونیکی PDF رایگان است ویژگی های کلیدی: نمودارها و اینفوگرافیک های زیبا و سفارشی شده را به صورت تمام رنگی کاوش کنید. با کد OO کاملاً کاربردی با استفاده از کتابخانه های منبع باز در نوت بوک پایتون برای هر فصل پتانسیل مجموعه داده های دنیای واقعی را با تکنیک های عملی افزایش داده ها آزاد کنید شرح کتاب: داده ها در پروژه های هوش مصنوعی، به ویژه برای یادگیری عمیق و هوش مصنوعی مولد، به عنوان دقت پیش بینی اهمیت زیادی دارند. متکی به قوی بودن مجموعه داده های ورودی است. به دست آوردن داده های اضافی از طریق روش های سنتی می تواند چالش برانگیز، پرهزینه و غیرعملی باشد و افزایش داده ها یک گزینه اقتصادی برای گسترش مجموعه داده ارائه می دهد. این کتاب بیش از 20 روش هندسی، فتومتریک و پاک کردن تصادفی را با استفاده از هفت مجموعه داده دنیای واقعی برای طبقه‌بندی و تقسیم‌بندی تصویر به شما می‌آموزد. همچنین هشت کتابخانه منبع باز تقویت تصویر را مرور خواهید کرد، توابع بسته بندی برنامه نویسی شی گرا (OOP) را در نوت بوک های پایتون می نویسید، جلوه های تقویت تصویر رنگی را مشاهده می کنید، سطوح ایمن و سوگیری ها را تجزیه و تحلیل می کنید، همچنین حقایق سرگرم کننده را کشف می کنید و چالش های سرگرم کننده را انجام می دهید. . با پیشروی، بیش از 20 تکنیک کاراکتر و کلمه برای تقویت متن با استفاده از دو مجموعه داده واقعی و گزیده‌ای از چهار کتاب کلاسیک کشف خواهید کرد. فصل تقویت متن پیشرفته از یادگیری ماشین برای گسترش مجموعه داده متنی مانند Transformer، Word2vec، BERT، GPT-2 و موارد دیگر استفاده می کند. در حالی که فصل‌های مربوط به داده‌های صوتی و جدولی دارای داده‌های دنیای واقعی، کتابخانه‌های منبع باز، نمودارهای سفارشی شگفت‌انگیز و نوت‌بوک پایتون، همراه با حقایق و چالش‌های سرگرم‌کننده هستند. در پایان این کتاب، شما در تکنیک های افزایش داده های تصویر، متن، صوت و جدول مهارت خواهید داشت. آنچه خواهید آموخت: نوشتن کد OOP Python برای تصویر، متن، صدا و داده های جدولی دسترسی به بیش از 150000 مجموعه داده واقعی از وب سایت Kaggle تجزیه و تحلیل سوگیری ها و پارامترهای ایمن برای هر روش افزایش تجسم داده ها با استفاده از نمودارهای استاندارد و عجیب و غریب به رنگ Discover 32 کتابخانه‌های تقویت‌کننده متن‌باز پیشرفته مدل‌های یادگیری ماشینی را کاوش کنید، مانند BERT و Transformer Meet Pluto، یک همراه رمزگذاری دیجیتال خیالی، یادگیری خود را با حقایق سرگرم‌کننده و چالش‌های سرگرم‌کننده گسترش دهید این کتاب برای چه کسی است: این کتاب برای دانشمندان داده و دانشجویان علاقه‌مند به هوش مصنوعی است. انضباط. هوش مصنوعی پیشرفته یا مهارت های یادگیری عمیق مورد نیاز نیست. با این حال، دانش برنامه نویسی پایتون و آشنایی با نوت بوک های Jupyter برای درک موضوعات مطرح شده در این کتاب ضروری است.
توضیحاتی درمورد کتاب به خارجی
Boost your AI and generative AI accuracy using real-world datasets with over 150 functional object-oriented methods and open source libraries Purchase of the print or Kindle book includes a free PDF eBook Key Features: Explore beautiful, customized charts and infographics in full color Work with fully functional OO code using open source libraries in the Python Notebook for each chapter Unleash the potential of real-world datasets with practical data augmentation techniques Book Description: Data is paramount in AI projects, especially for deep learning and generative AI, as forecasting accuracy relies on input datasets being robust. Acquiring additional data through traditional methods can be challenging, expensive, and impractical, and data augmentation offers an economical option to extend the dataset. The book teaches you over 20 geometric, photometric, and random erasing augmentation methods using seven real-world datasets for image classification and segmentation. You\'ll also review eight image augmentation open source libraries, write object-oriented programming (OOP) wrapper functions in Python Notebooks, view color image augmentation effects, analyze safe levels and biases, as well as explore fun facts and take on fun challenges. As you advance, you\'ll discover over 20 character and word techniques for text augmentation using two real-world datasets and excerpts from four classic books. The chapter on advanced text augmentation uses machine learning to extend the text dataset, such as Transformer, Word2vec, BERT, GPT-2, and others. While chapters on audio and tabular data have real-world data, open source libraries, amazing custom plots, and Python Notebook, along with fun facts and challenges. By the end of this book, you will be proficient in image, text, audio, and tabular data augmentation techniques. What You Will Learn: Write OOP Python code for image, text, audio, and tabular data Access over 150,000 real-world datasets from the Kaggle website Analyze biases and safe parameters for each augmentation method Visualize data using standard and exotic plots in color Discover 32 advanced open source augmentation libraries Explore machine learning models, such as BERT and Transformer Meet Pluto, an imaginary digital coding companion Extend your learning with fun facts and fun challenges Who this book is for: This book is for data scientists and students interested in the AI discipline. Advanced AI or deep learning skills are not required; however, knowledge of Python programming and familiarity with Jupyter Notebooks are essential to understanding the topics covered in this book.
فهرست مطالب
Cover Title Page Copyright Dedication Foreword Contributors Table of Contents Preface Part 1: Data Augmentation Chapter 1: Data Augmentation Made Easy Data augmentation role Data input types Image definition Text definition Audio definition Tabular data definition Python Notebook Google Colab Additional Python Notebook options Installing Python Notebook Programming styles Source control The PacktDataAug class Naming convention Extend base class Referencing a library Exporting Python code Pluto Summary Chapter 2: Biases in Data Augmentation Computational biases Human biases Systemic biases Python Notebook Python Notebook GitHub Pluto Verifying Pluto Kaggle ID Image biases State Farm distracted drivers detection Nike shoes Grapevine leaves Text biases Netflix Amazon reviews Summary Part 2: Image Augmentation Chapter 3: Image Augmentation for Classification Geometric transformations Flipping Cropping Resizing Padding Rotating Translation Noise injection Photometric transformations Basic and classic Advanced and exotic Random erasing Combining Reinforcing your learning through Python code Pluto and the Python Notebook Real-world image datasets Image augmentation library Geometric transformation filters Photographic transformations Random erasing Combining Summary Chapter 4: Image Augmentation for Segmentation Geometric and photometric transformations Real-world segmentation datasets Python Notebook and Pluto Real-world data Pandas Viewing data images Reinforcing your learning Horizontal flip Vertical flip Rotating Resizing and cropping Transpose Lighting FancyPCA Combining Summary Part 3: Text Augmentation Chapter 5: Text Augmentation Character augmenting Word augmenting Sentence augmentation Text augmentation libraries Real-world text datasets The Python Notebook and Pluto Real-world NLP datasets Pandas Visualizing NLP data Reinforcing learning through Python Notebook Character augmentation Word augmenting Summary Chapter 6: Text Augmentation with Machine Learning Machine learning models Word augmenting Sentence augmenting Real-world NLP datasets Python Notebook and Pluto Verify Real-world NLP data Pandas Viewing the text Reinforcing your learning through the Python Notebook Word2Vec word augmenting BERT RoBERTa Back translation Sentence augmentation Summary Part 4: Audio Data Augmentation Chapter 7: Audio Data Augmentation Standard audio augmentation techniques Time stretching Time shifting Pitch shifting Polarity inversion Noise injection Filters Low-pass filter High-pass filter Band-pass filter Low-shelf filter High-shelf filter Band-stop filter Peak filter Audio augmentation libraries Real-world audio datasets Python Notebook and Pluto Real-world data and pandas Listening and viewing Reinforcing your learning Time shifting Time stretching Pitch scaling Noise injection Polarity inversion Low-pass filter Band-pass filter High-pass and other filters Summary Chapter 8: Audio Data Augmentation with Spectrogram Initializing and downloading Audio Spectrogram Various Spectrogram formats Mel-spectrogram and Chroma STFT plots Spectrogram augmentation Spectrogram images Summary Part 5: Tabular Data Augmentation Chapter 9: Tabular Data Augmentation Tabular augmentation libraries Augmentation categories Real-world tabular datasets Exploring and visualizing tabular data Data structure First graph view Checksum Specialized plots Exploring the World Series data Transforming augmentation Robust scaler Standard scaler Capping Interaction augmentation Regression augmentation Operator augmentation Mapping augmentation Extraction augmentation Summary Index About Packt Other Books You May Enjoy
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Chirurgie upgrade 2002: Weiter- und Fortbildung
دانلود کتاب Pyroclastic Rocks
