Data Science: Theory, Algorithms, and Applications (Transactions on Computer Systems and Networks)

این کتاب مخاطبانی را هدف قرار می‌دهد که درک اولیه از یادگیری عمیق، معماری‌های آن و کاربرد آن در حوزه چندرسانه‌ای دارند. پیشینه در یادگیری ماشینی برای کشف جنبه های مختلف یادگیری عمیق مفید است. مدل‌های یادگیری عمیق تأثیر عمده‌ای بر تحقیقات چند رسانه‌ای دارند و در بسیاری از ارزیابی‌های استاندارد، نوار عملکرد را به‌طور قابل‌توجهی بالا می‌برند. علاوه بر این، چالش‌های چندوجهی جدیدی نیز حل می‌شود که سیستم‌های قدیمی‌تر قادر به مقابله با آن‌ها نبودند. با این حال، درک فرآیند یادگیری در شبکه‌های عصبی عمیق بسیار دشوار است، چه رسد به راهنمایی، فضای عدم اطمینان در مورد اینکه دقیقاً چه چیزی و چگونه این شبکه‌ها یاد می‌گیرند وجود دارد. تا پایان کتاب، خوانندگان درک درستی از رویکردهای مختلف یادگیری عمیق، مدل‌ها، مدل‌های از پیش آموزش‌دیده و آشنایی با پیاده‌سازی الگوریتم‌های مختلف یادگیری عمیق با استفاده از چارچوب‌ها و کتابخانه‌های مختلف خواهند داشت.

This book targets an audience with a basic understanding of deep learning, its architectures, and its application in the multimedia domain. Background in machine learning is helpful in exploring various aspects of deep learning. Deep learning models have a major impact on multimedia research and raised the performance bar substantially in many of the standard evaluations. Moreover, new multi-modal challenges are tackled, which older systems would not have been able to handle. However, it is very difficult to comprehend, let alone guide, the process of learning in deep neural networks, there is an air of uncertainty about exactly what and how these networks learn. By the end of the book, the readers will have an understanding of different deep learning approaches, models, pre-trained models, and familiarity with the implementation of various deep learning algorithms using various frameworks and libraries.