دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Douwe Osinga سری: ISBN (شابک) : 149199584X, 9781491995846 ناشر: O’Reilly Media سال نشر: 2018 تعداد صفحات: 253 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب Deep Learning Cookbook: Practical Recipes to Get Started Quickly 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 کتاب آشپزی یادگیری عمیق: دستور العمل های عملی برای شروع سریع 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.
یادگیری عمیق نباید ترسناک باشد. تا همین اواخر، این روش یادگیری
ماشینی به سال ها مطالعه نیاز داشت، اما با استفاده از چارچوب
هایی مانند Keras و Tensorflow، مهندسان نرم افزار بدون پیشینه
یادگیری ماشینی می توانند به سرعت وارد این حوزه شوند. با دستور
العمل های این کتاب آشپزی، می آموزید که چگونه مسائل یادگیری عمیق
را برای طبقه بندی و تولید متن، تصاویر و موسیقی حل کنید.
هر فصل شامل چندین دستور العمل است که برای تکمیل یک پروژه لازم
است. مانند آموزش سیستم توصیه موسیقی. نویسنده Douwe Osinga
همچنین فصلی با 12 تکنیک ارائه می دهد تا در صورت گیر کردن به شما
کمک کند. نمونهها در پایتون با کد موجود در GitHub به عنوان
مجموعهای از نوتبوکهای پایتون نوشته شدهاند.
شما یاد خواهید گرفت که چگونه:
برنامههایی ایجاد کنید که واقعی باشند. کاربران
از جاسازی کلمات برای محاسبه شباهت متن استفاده کنید
یک سیستم توصیه کننده فیلم بر اساس پیوندهای ویکی پدیا
بسازید
با تجسم وضعیت داخلی خود هوش مصنوعی جهان را چگونه می بیند
ساخت مدلی برای پیشنهاد ایموجی ها برای تکه های متن
استفاده مجدد از شبکه های از پیش آموزش دیده برای ایجاد یک سرویس
جستجوی عکس معکوس
مقایسه کنید چگونه GAN ها، رمزگذارهای خودکار و LSTM ها نمادها را
تولید می کنند
شناخت سبک های موسیقی و فهرست بندی مجموعه های آهنگ
Deep learning doesn't have to be intimidating. Until recently,
this machine-learning method required years of study, but with
frameworks such as Keras and Tensorflow, software engineers
without a background in machine learning can quickly enter the
field. With the recipes in this cookbook, you'll learn how to
solve deep-learning problems for classifying and generating
text, images, and music.
Each chapter consists of several recipes needed to complete a
single project, such as training a music recommending system.
Author Douwe Osinga also provides a chapter with half a dozen
techniques to help you if you're stuck. Examples are written in
Python with code available on GitHub as a set of Python
notebooks.
You'll learn how to:
Create applications that will serve real users
Use word embeddings to calculate text similarity
Build a movie recommender system based on Wikipedia links
Learn how AIs see the world by visualizing their internal
state
Build a model to suggest emojis for pieces of text
Reuse pretrained networks to build an inverse image search
service
Compare how GANs, autoencoders and LSTMs generate icons
Detect music styles and index song collections