دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Deep Learning with fastai Cookbook: Leverage the easy-to-use fastai framework to unlock the power of deep learning
دانلود کتاب یادگیری عمیق با کتاب آشپزی fastai: از چارچوب fastai با استفاده آسان استفاده کنید تا قدرت یادگیری عمیق را باز کنید
مشخصات کتاب
Deep Learning with fastai Cookbook: Leverage the easy-to-use fastai framework to unlock the power of deep learning
ویرایش:
نویسندگان: Mark Ryan
سری:
ISBN (شابک) : 1800208103, 9781800208100
ناشر: Packt Publishing
سال نشر: 2021
تعداد صفحات: 340
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 Mb
قیمت کتاب (تومان) : 51,000
در صورت تبدیل فایل کتاب Deep Learning with fastai Cookbook: Leverage the easy-to-use fastai framework to unlock the power of 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 با کتاب آشپزی fastai: از چارچوب fastai با استفاده آسان استفاده کنید تا قدرت یادگیری عمیق را باز کنید 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 با کتاب آشپزی fastai: از چارچوب fastai با استفاده آسان استفاده کنید تا قدرت یادگیری عمیق را باز کنید
از قدرت چارچوب fastai با کارایی بالا و آسان برای ایجاد سریع راه حل های یادگیری عمیق کامل با چند خط کد استفاده کنید
ویژگی های کلیدی
- کشف نحوه به کارگیری تکنیک های پیشرفته یادگیری عمیق در مسائل دنیای واقعی
- ساخت و آموزش شبکه های عصبی با استفاده از قدرت و انعطاف پذیری چارچوب fastai
- از یادگیری عمیق برای مقابله با مشکلاتی مانند طبقه بندی تصاویر و طبقه بندی متن استفاده کنید
شرح کتاب
fastai یک چارچوب یادگیری عمیق با استفاده آسان است که بر روی آن ساخته شده است. بالای PyTorch که به شما امکان می دهد به سرعت راه حل های کامل یادگیری عمیق را با حداقل 10 خط کد ایجاد کنید. هر دو چارچوب یادگیری عمیق سطح پایین غالب، TensorFlow و PyTorch، نیاز به کد زیادی دارند، حتی برای برنامه های کاربردی ساده. در مقابل، fastai جزئیات آشفته را برای شما مدیریت می‌کند و به شما امکان می‌دهد روی استفاده از یادگیری عمیق برای حل واقعی مشکلات تمرکز کنید.
این کتاب با خلاصه کردن ارزش fastai شروع می‌شود و به شما نشان می‌دهد که چگونه یک «سلام جهانی» ساده ایجاد کنید. برنامه یادگیری عمیق با fastai. سپس یاد خواهید گرفت که چگونه از fastai برای هر چهار حوزه کاربردی که فریم ورک به صراحت از آن پشتیبانی می کند استفاده کنید: داده های جدولی، داده های متنی (NLP)، سیستم های توصیه کننده و داده های بینایی. همانطور که پیشرفت می کنید، با یک سری مثال های عملی کار خواهید کرد که نحوه ایجاد برنامه های کاربردی در دنیای واقعی از هر نوع را نشان می دهد. در مرحله بعد، نحوه استقرار مدل‌های fastai را یاد خواهید گرفت، از جمله ایجاد یک برنامه وب ساده که پیش‌بینی می‌کند چه شیئی در یک تصویر به تصویر کشیده شده است. این کتاب با مروری بر ویژگی‌های پیشرفته fastai به پایان می‌رسد.
در پایان این کتاب fastai، می‌توانید برنامه‌های یادگیری عمیق خود را با استفاده از fastai ایجاد کنید. شما همچنین یاد خواهید گرفت که چگونه از fastai برای تهیه مجموعه داده های خام، کاوش مجموعه داده ها، آموزش مدل های یادگیری عمیق و استقرار مدل های آموزش دیده استفاده کنید.
آنچه خواهید آموخت
- آماده کنید. مجموعه داده‌های خام دنیای واقعی برای آموزش مدل‌های یادگیری عمیق fastai
- آموزش مدل‌های یادگیری عمیق fastai با استفاده از متن و داده‌های جدولی
- ایجاد سیستم‌های توصیه‌گر با fastai
- دریابید که چگونه برای ارزیابی اینکه آیا fastai برای یک مشکل خاص مناسب است یا خیر
- مدل های یادگیری عمیق fastai را در برنامه های کاربردی وب به کار ببرید
- آموزش مدل های یادگیری عمیق fastai برای طبقه بندی تصاویر
این کتاب برای چه کسی است
این کتاب برای دانشمندان داده، توسعه دهندگان یادگیری ماشین و علاقه مندان به یادگیری عمیق است که به دنبال کشف چارچوب fastai با استفاده از رویکرد مبتنی بر دستور العمل هستند. دانش کاری زبان برنامه نویسی Python و اصول یادگیری ماشینی برای استفاده حداکثری از این کتاب یادگیری عمیق اکیداً توصیه می شود.
فهرست محتوا
- شروع به کار با fastai< /li>
- کاوش و پاکسازی داده ها با fastai
- مدل های آموزشی با داده های جدولی
- مدل های آموزشی با داده های متنی
- سیستم های توصیه کننده آموزشی
- مدل های آموزشی با داده های بصری
- استقرار و نگهداری مدل
- فستای توسعه یافته و ویژگی های استقرار
توضیحاتی درمورد کتاب به خارجی
Harness the power of the easy-to-use, high-performance fastai framework to rapidly create complete deep learning solutions with few lines of code
Key Features
- Discover how to apply state-of-the-art deep learning techniques to real-world problems
- Build and train neural networks using the power and flexibility of the fastai framework
- Use deep learning to tackle problems such as image classification and text classification
Book Description
fastai is an easy-to-use deep learning framework built on top of PyTorch that lets you rapidly create complete deep learning solutions with as few as 10 lines of code. Both predominant low-level deep learning frameworks, TensorFlow and PyTorch, require a lot of code, even for straightforward applications. In contrast, fastai handles the messy details for you and lets you focus on applying deep learning to actually solve problems.
The book begins by summarizing the value of fastai and showing you how to create a simple 'hello world' deep learning application with fastai. You'll then learn how to use fastai for all four application areas that the framework explicitly supports: tabular data, text data (NLP), recommender systems, and vision data. As you advance, you'll work through a series of practical examples that illustrate how to create real-world applications of each type. Next, you'll learn how to deploy fastai models, including creating a simple web application that predicts what object is depicted in an image. The book wraps up with an overview of the advanced features of fastai.
By the end of this fastai book, you'll be able to create your own deep learning applications using fastai. You'll also have learned how to use fastai to prepare raw datasets, explore datasets, train deep learning models, and deploy trained models.
What you will learn
- Prepare real-world raw datasets to train fastai deep learning models
- Train fastai deep learning models using text and tabular data
- Create recommender systems with fastai
- Find out how to assess whether fastai is a good fit for a given problem
- Deploy fastai deep learning models in web applications
- Train fastai deep learning models for image classification
Who this book is for
This book is for data scientists, machine learning developers, and deep learning enthusiasts looking to explore the fastai framework using a recipe-based approach. Working knowledge of the Python programming language and machine learning basics is strongly recommended to get the most out of this deep learning book.
Table of Contents
- Getting Started with fastai
- Exploring and Cleaning Up Data with fastai
- Training Models with Tabular Data
- Training Models with Text Data
- Training Recommender Systems
- Training Models with Visual Data
- Deployment and Model Maintenance
- Extended fastai and Deployment Features
