مشخصات کتاب

Deep Learning with Python, Second Edition

ویرایش: 2 
نویسندگان: François Chollet  
سری:  
ISBN (شابک) : 1617296864, 9781617296864 
ناشر: Manning 
سال نشر: 2021 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 28 مگابایت 

در صورت تبدیل فایل کتاب Deep Learning with Python, Second Edition 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 آموزش عمیق با پایتون، ویرایش دوم 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 آموزش عمیق با پایتون، ویرایش دوم

قفل پیشرفت های پیشگامانه یادگیری عمیق را با این نسخه جدید به طور گسترده اصلاح شده پرفروش ترین نسخه اصلی باز کنید. مستقیماً از خالق Keras بیاموزید و بر تکنیک‌های یادگیری عمیق پایتون مسلط شوید که به راحتی در دنیای واقعی به کار می‌روند. در یادگیری عمیق با پایتون، نسخه دوم خواهید آموخت: یادگیری عمیق از اصول اولیه طبقه بندی تصویر و تقسیم بندی تصویر پیش بینی سری های زمانی طبقه بندی متون و ترجمه ماشینی تولید متن، انتقال سبک عصبی و تولید تصویر یادگیری عمیق با پایتون به هزاران خواننده آموزش داده است که چگونه قابلیت های کامل یادگیری عمیق را به کار گیرند. این ویرایش دوم به طور گسترده، یادگیری عمیق را با استفاده از Python و Keras معرفی می‌کند و با بینش‌هایی برای تمرین‌کنندگان مبتدی و با تجربه ML بارگذاری می‌شود. شما تکنیک‌های عملی را یاد می‌گیرید که به راحتی در دنیای واقعی به کار می‌روند، و تئوری مهمی برای تکمیل شبکه‌های عصبی. خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات منینگ است. در مورد تکنولوژی نوآوری‌های اخیر در یادگیری عمیق قابلیت‌های نرم‌افزار جدید هیجان‌انگیزی مانند ترجمه خودکار زبان، تشخیص تصویر و موارد دیگر را باز می‌کند. یادگیری عمیق به سرعت برای هر توسعه‌دهنده نرم‌افزار به دانش ضروری تبدیل می‌شود و ابزارهای مدرنی مانند Keras و TensorFlow آن را در دسترس شما قرار می‌دهند - حتی اگر هیچ پیش‌زمینه‌ای در ریاضیات یا علوم داده نداشته باشید. این کتاب به شما نشان می دهد که چگونه شروع کنید. درباره کتاب آموزش عمیق با پایتون، ویرایش دوم زمینه یادگیری عمیق با استفاده از پایتون و کتابخانه قدرتمند Keras را معرفی می کند. در این نسخه جدید اصلاح‌شده و توسعه‌یافته، فرانسوا شولت، خالق Keras، بینش‌هایی را برای تمرین‌کنندگان تازه کار و با تجربه یادگیری ماشین ارائه می‌دهد. همانطور که در این کتاب حرکت می کنید، درک خود را از طریق توضیحات شهودی، تصاویر واضح و مثال های واضح ایجاد خواهید کرد. شما به سرعت مهارت هایی را که برای شروع توسعه برنامه های یادگیری عمیق نیاز دارید، به دست خواهید آورد. داخلش چیه یادگیری عمیق از اصول اولیه طبقه بندی تصویر و تقسیم بندی تصویر پیش بینی سری های زمانی طبقه بندی متون و ترجمه ماشینی تولید متن، انتقال سبک عصبی و تولید تصویر درباره خواننده برای خوانندگان با مهارت های پایتون متوسط. هیچ تجربه قبلی با Keras، TensorFlow یا یادگیری ماشین لازم نیست. درباره نویسنده François Chollet یک مهندس نرم افزار در Google و خالق کتابخانه یادگیری عمیق Keras است. فهرست مطالب 1  یادگیری عمیق چیست؟ 2 بلوک های سازنده ریاضی شبکه های عصبی 3 مقدمه ای بر Keras و TensorFlow 4 شروع به کار با شبکه های عصبی: طبقه بندی و رگرسیون 5 مبانی یادگیری ماشینی 6 گردش کار جهانی یادگیری ماشین 7 کار با Keras: شیرجه عمیق 8 مقدمه ای بر یادگیری عمیق برای بینایی کامپیوتر 9 یادگیری عمیق پیشرفته برای بینایی کامپیوتر 10 یادگیری عمیق برای سری های زمانی 11 یادگیری عمیق برای متن 12 یادگیری عمیق مولد 13 بهترین شیوه برای دنیای واقعی 14 نتیجه گیری

توضیحاتی درمورد کتاب به خارجی

Unlock the groundbreaking advances of deep learning with this extensively revised new edition of the bestselling original. Learn directly from the creator of Keras and master practical Python deep learning techniques that are easy to apply in the real world. In Deep Learning with Python, Second Edition you will learn:     Deep learning from first principles     Image classification and image segmentation     Timeseries forecasting     Text classification and machine translation     Text generation, neural style transfer, and image generation Deep Learning with Python has taught thousands of readers how to put the full capabilities of deep learning into action. This extensively revised second edition introduces deep learning using Python and Keras, and is loaded with insights for both novice and experienced ML practitioners. You’ll learn practical techniques that are easy to apply in the real world, and important theory for perfecting neural networks. Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications. About the technology Recent innovations in deep learning unlock exciting new software capabilities like automated language translation, image recognition, and more. Deep learning is quickly becoming essential knowledge for every software developer, and modern tools like Keras and TensorFlow put it within your reach—even if you have no background in mathematics or data science. This book shows you how to get started. About the book Deep Learning with Python, Second Edition introduces the field of deep learning using Python and the powerful Keras library. In this revised and expanded new edition, Keras creator François Chollet offers insights for both novice and experienced machine learning practitioners. As you move through this book, you’ll build your understanding through intuitive explanations, crisp illustrations, and clear examples. You’ll quickly pick up the skills you need to start developing deep-learning applications. What's inside     Deep learning from first principles     Image classification and image segmentation     Time series forecasting     Text classification and machine translation     Text generation, neural style transfer, and image generation About the reader For readers with intermediate Python skills. No previous experience with Keras, TensorFlow, or machine learning is required. About the author François Chollet is a software engineer at Google and creator of the Keras deep-learning library. Table of Contents 1  What is deep learning? 2 The mathematical building blocks of neural networks 3 Introduction to Keras and TensorFlow 4 Getting started with neural networks: Classification and regression 5 Fundamentals of machine learning 6 The universal workflow of machine learning 7 Working with Keras: A deep dive 8 Introduction to deep learning for computer vision 9 Advanced deep learning for computer vision 10 Deep learning for timeseries 11 Deep learning for text 12 Generative deep learning 13 Best practices for the real world 14 Conclusions

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Strategic Legal Writing

دانلود کتاب Molecular Marker Systems in Plant Breeding and Crop Improvement

دانلود کتاب The Religion of Technology: The Divinity of Man and the Spirit of Invention

دانلود کتاب A Face Turned Backward

دانلود کتاب Mathematik für die Informatik: Grundlegende Begriffe, Strukturen und ihre Anwendung