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
ویرایش:
نویسندگان: Robert Blanchard
سری:
ISBN (شابک) : 9781642959178
ناشر: SAS Institute
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Deep Learning for Computer Vision with SAS 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 برای بینایی کامپیوتر با SAS 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 و بینایی کامپیوتر را با SAS کشف کنید! یادگیری عمیق برای بینایی کامپیوتر با SAS®: مقدمه اجزای اصلی یادگیری عمیق را معرفی می کند. خوانندگان درک عمیقی از نحوه ساخت شبکه های عصبی پیشخور عمیق و کانولوشن و همچنین انواع رمزگذاری خودکار حذف نویز به دست خواهند آورد. آموزش انتقالی پوشش داده شده است تا به خوانندگان کمک کند تا در مورد این زمینه در حال ظهور بیاموزند. این کتاب حاوی ترکیبی از تئوری و کاربرد، همچنین به طور خلاصه روشهای سفارشیسازی مدلهای یادگیری عمیق را برای حل مشکلات جدید کسبوکار یا پاسخ به سؤالات تحقیقاتی پوشش میدهد. برنامهها و دادههای SAS برای تقویت مفاهیم کلیدی گنجانده شدهاند و به خوانندگان اجازه میدهند تا همراه با نمایشهای موجود دنبال کنند. خوانندگان یاد خواهند گرفت که چگونه: تعریف و درک یادگیری عمیق ایجاد مدل ها با استفاده از تکنیک های یادگیری عمیق و SAS Viya اعمال مدل ها برای امتیاز دادن (استنتاج) داده های جدید اصلاح داده ها برای نتایج تجزیه و تحلیل بهتر جستجو در فضای فراپارامتر یک مدل یادگیری عمیق انتقال اهرم یادگیری با استفاده از نظارت و روش های بدون نظارت
Discover deep learning and computer vision with SAS! Deep Learning for Computer Vision with SAS®: An Introduction introduces the pivotal components of deep learning. Readers will gain an in-depth understanding of how to build deep feedforward and convolutional neural networks, as well as variants of denoising autoencoders. Transfer learning is covered to help readers learn about this emerging field. Containing a mix of theory and application, this book will also briefly cover methods for customizing deep learning models to solve novel business problems or answer research questions. SAS programs and data are included to reinforce key concepts and allow readers to follow along with included demonstrations. Readers will learn how to: Define and understand deep learning Build models using deep learning techniques and SAS Viya Apply models to score (inference) new data Modify data for better analysis results Search the hyperparameter space of a deep learning model Leverage transfer learning using supervised and unsupervised methods