مشخصات کتاب

Deep learning

ویرایش:  
نویسندگان: Kelleher. John D  
سری: The MIT Press essential knowledge series 2019: 2 
ISBN (شابک) : 9780262537551, 0262537559 
ناشر: The MIT Press 
سال نشر: 2019 
تعداد صفحات: 297 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت 

کلمات کلیدی مربوط به کتاب یادگیری عمیق: هوش مصنوعی. رباتیک. شبیه سازی. گرافیک، زبان شناسی ریاضی

در صورت تبدیل فایل کتاب Deep learning 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 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

مقدمه ای در دسترس برای فناوری هوش مصنوعی که دید کامپیوتر، تشخیص گفتار، ترجمه ماشینی و ماشین های بدون راننده را امکان پذیر می کند. یادگیری عمیق یک فناوری هوش مصنوعی است که بینایی کامپیوتری، تشخیص گفتار در تلفن‌های همراه، ترجمه ماشینی، بازی‌های هوش مصنوعی، ماشین‌های بدون راننده و سایر برنامه‌ها را ممکن می‌سازد. وقتی از محصولات مصرفی گوگل، مایکروسافت، فیس بوک، اپل یا بایدو استفاده می کنیم، اغلب در حال تعامل با یک سیستم یادگیری عمیق هستیم. در این جلد از مجموعه‌های دانش ضروری MIT Press، جان کلهر، دانشمند کامپیوتر، مقدمه‌ای در دسترس و مختصر اما جامع از فناوری بنیادی در قلب انقلاب هوش مصنوعی ارائه می‌کند. کلهر توضیح می دهد که یادگیری عمیق با شناسایی و استخراج الگوها از مجموعه داده های بزرگ، تصمیمات مبتنی بر داده را قادر می سازد. توانایی آن در یادگیری از داده‌های پیچیده، یادگیری عمیق را برای استفاده از رشد سریع داده‌های بزرگ و قدرت محاسباتی مناسب می‌سازد. کلهر همچنین برخی از مفاهیم اساسی در یادگیری عمیق را توضیح می دهد، تاریخچه ای از پیشرفت ها در این زمینه را ارائه می دهد و وضعیت فعلی هنر را مورد بحث قرار می دهد. او مهم‌ترین معماری‌های یادگیری عمیق، از جمله رمزگذارهای خودکار، شبکه‌های عصبی مکرر، و شبکه‌های کوتاه‌مدت و همچنین پیشرفت‌های اخیر مانند شبکه‌های متخاصم مولد و شبکه‌های کپسولی را توصیف می‌کند. او همچنین مقدمه ای جامع (و قابل درک) از دو الگوریتم اساسی در یادگیری عمیق ارائه می دهد: نزول گرادیان و پس انتشار. در نهایت، کلهر آینده یادگیری عمیق را در نظر می گیرد - روندهای اصلی، پیشرفت های احتمالی، و چالش های مهم.

توضیحاتی درمورد کتاب به خارجی

An accessible introduction to the artificial intelligence technology that enables computer vision, speech recognition, machine translation, and driverless cars. Deep learning is an artificial intelligence technology that enables computer vision, speech recognition in mobile phones, machine translation, AI games, driverless cars, and other applications. When we use consumer products from Google, Microsoft, Facebook, Apple, or Baidu, we are often interacting with a deep learning system. In this volume in the MIT Press Essential Knowledge series, computer scientist John Kelleher offers an accessible and concise but comprehensive introduction to the fundamental technology at the heart of the artificial intelligence revolution. Kelleher explains that deep learning enables data-driven decisions by identifying and extracting patterns from large datasets; its ability to learn from complex data makes deep learning ideally suited to take advantage of the rapid growth in big data and computational power. Kelleher also explains some of the basic concepts in deep learning, presents a history of advances in the field, and discusses the current state of the art. He describes the most important deep learning architectures, including autoencoders, recurrent neural networks, and long short-term networks, as well as such recent developments as Generative Adversarial Networks and capsule networks. He also provides a comprehensive (and comprehensible) introduction to the two fundamental algorithms in deep learning: gradient descent and backpropagation. Finally, Kelleher considers the future of deep learning—major trends, possible developments, and significant challenges.

فهرست مطالب

Contents......Page 6
Series Foreword......Page 8
Preface......Page 10
Acknowledgments......Page 12
1 Introduction to Deep Learning......Page 14
2 Conceptual Foundations......Page 52
3 Neural Networks: The Building Blocks of Deep Learning......Page 78
4 A Brief History of Deep Learning......Page 114
5 Convolutional and Recurrent Neural Networks......Page 172
6 Learning Functions......Page 198
7 The Future of Deep Learning......Page 244
Glossary......Page 264
Notes......Page 270
References......Page 274
Further Readings......Page 280
Index......Page 282

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Christian Meditation: Experiencing the Presence of God

دانلود کتاب Life Drawing: A Complete Course

دانلود کتاب La principes fondamentaux de la geometrie

دانلود کتاب Modeling and Optimization: Theory and Applications: Selected Contributions from the MOPTA 2012 Conference

دانلود کتاب Fractal Tomography for Power Grids