مشخصات کتاب

Deep Learning with Tensorflow

ویرایش:  
نویسندگان: Zaccone. Giancarlo, Karim. Mohammad Rezaul, Menshawy. Ahmed  
سری:  
ISBN (شابک) : 9781786469786, 1786469782 
ناشر: Packt Publishing 
سال نشر: 2017 
تعداد صفحات: 316 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت 

کلمات کلیدی مربوط به کتاب یادگیری عمیق با تنسورفلو: علوم کامپیوتر، برنامه نویسی

در صورت تبدیل فایل کتاب Deep Learning with Tensorflow 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 تنسورفلو 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 تنسورفلو

با کمک این راهنمای جامع TensorFlow در شبکه‌های عصبی، پیاده‌سازی الگوریتم‌های یادگیری عمیق، و کاوش لایه‌های انتزاع داده‌ها درباره این کتاب بیاموزید که چگونه تکنیک‌های پیشرفته در یادگیری عمیق را با خلاقیت Google، TensorFlow پیاده‌سازی کنید، شبکه‌های عصبی عمیق و لایه‌های انتزاع داده را با کمک این راهنمای جامع زمینه سازی دنیای واقعی از طریق برخی مشکلات یادگیری عمیق در مورد تحقیق و کاربرد این کتاب برای چه کسی است. سطح ابتدایی برنامه نویسی در یک زبان، و همچنین آشنایی اولیه با تکنیک ها و فن آوری های علوم کامپیوتر، از جمله آگاهی اولیه از سخت افزار و الگوریتم های کامپیوتر، فرض می شود. مقداری شایستگی در ریاضیات تا سطح جبر خطی ابتدایی و حساب دیفرانسیل و انتگرال مورد نیاز است. آنچه در مورد مناظر یادگیری ماشینی به همراه پیشرفت تاریخی و پیشرفت یادگیری عمیق خواهید آموخت با جدیدترین TensorFlow 1.x در مورد هوش عمیق ماشین و محاسبات GPU بیاموزید. به مجموعه داده‌های عمومی دسترسی داشته باشید و از آن‌ها با استفاده از TensorFlow برای بارگیری، پردازش و تبدیل داده‌ها استفاده کنید. استفاده از TensorFlow در مجموعه داده‌های دنیای واقعی، از جمله تصاویر، متن و موارد دیگر. یاد بگیرید چگونه عملکرد مدل‌های یادگیری عمیق خود را ارزیابی کنید. استفاده از یادگیری عمیق برای تشخیص اشیا مقیاس‌پذیر و محاسبات موبایلی با کاوش در تکنیک‌های یادگیری تقویتی، ماشین‌ها را به سرعت آموزش دهید تا از داده‌ها یاد بگیرند. حوزه‌های فعال تحقیق و برنامه‌های یادگیری عمیق را کاوش کنید در DetailDeep یادگیری مرحله‌ای است که پس از یادگیری ماشینی می‌آید و دارای پیاده‌سازی‌های پیشرفته‌تری است. یادگیری ماشینی دیگر فقط برای دانشگاهیان نیست، بلکه از طریق پذیرش گسترده در حال تبدیل شدن به یک روش اصلی است و یادگیری عمیق در صندلی جلو قرار گرفته است. به عنوان یک دانشمند داده، اگر می خواهید لایه های انتزاعی داده را کاوش کنید، این کتاب راهنمای شما خواهد بود. این کتاب نشان می‌دهد که چگونه می‌توان از آن در دنیای واقعی با داده‌های خام پیچیده با استفاده از TensorFlow 1.x بهره‌برداری کرد. در سراسر کتاب، نحوه پیاده‌سازی الگوریتم‌های یادگیری عمیق برای سیستم‌های یادگیری ماشین و ادغام آن‌ها در محصولات پیشنهادی خود، از جمله جستجو را خواهید آموخت. ، تشخیص تصویر و پردازش زبان. علاوه بر این، نحوه تجزیه و تحلیل و بهبود عملکرد مدل های یادگیری عمیق را خواهید آموخت. این را می توان با مقایسه الگوریتم ها در برابر معیارها، همراه با هوش ماشین، برای یادگیری از اطلاعات و تعیین رفتارهای ایده آل در یک زمینه خاص انجام داد. پس از پایان کتاب، با تکنیک های یادگیری ماشین، به ویژه استفاده از TensorFlow برای یادگیری عمیق، و آماده به کار بردن دانش شما در پروژه های تحقیقاتی یا تجاری خواهد بود. سبک و رویکرد این راهنمای گام به گام، شبکه های عصبی عمیق رایج و نه چندان رایج را بررسی می کند و نشان می دهد که چگونه می توان از این شبکه ها در دنیای واقعی بهره برداری کرد. داده های خام پیچیده با کمک مثال های کاربردی، نحوه پیاده سازی انواع شبکه های عصبی برای ساخت اپلیکیشن های هوشمند مربوط به پردازش داده های متن، گفتار و تصویر را خواهید آموخت.

توضیحاتی درمورد کتاب به خارجی

Delve into neural networks, implement deep learning algorithms, and explore layers of data abstraction with the help of this comprehensive TensorFlow guideAbout This Book Learn how to implement advanced techniques in deep learning with Google's brainchild, TensorFlow Explore deep neural networks and layers of data abstraction with the help of this comprehensive guide Real-world contextualization through some deep learning problems concerning research and application Who This Book Is ForThe book is intended for a general audience of people interested in machine learning and machine intelligence. A rudimentary level of programming in one language is assumed, as is a basic familiarity with computer science techniques and technologies, including a basic awareness of computer hardware and algorithms. Some competence in mathematics is needed to the level of elementary linear algebra and calculus.What You Will Learn Learn about machine learning landscapes along with the historical development and progress of deep learning Learn about deep machine intelligence and GPU computing with the latest TensorFlow 1.x Access public datasets and utilize them using TensorFlow to load, process, and transform data Use TensorFlow on real-world datasets, including images, text, and more Learn how to evaluate the performance of your deep learning models Using deep learning for scalable object detection and mobile computing Train machines quickly to learn from data by exploring reinforcement learning techniques Explore active areas of deep learning research and applications In DetailDeep learning is the step that comes after machine learning, and has more advanced implementations. Machine learning is not just for academics anymore, but is becoming a mainstream practice through wide adoption, and deep learning has taken the front seat. As a data scientist, if you want to explore data abstraction layers, this book will be your guide. This book shows how this can be exploited in the real world with complex raw data using TensorFlow 1.x.Throughout the book, you'll learn how to implement deep learning algorithms for machine learning systems and integrate them into your product offerings, including search, image recognition, and language processing. Additionally, you'll learn how to analyze and improve the performance of deep learning models. This can be done by comparing algorithms against benchmarks, along with machine intelligence, to learn from the information and determine ideal behaviors within a specific context.After finishing the book, you will be familiar with machine learning techniques, in particular the use of TensorFlow for deep learning, and will be ready to apply your knowledge to research or commercial projects.Style and approachThis step-by-step guide will explore common, and not so common, deep neural networks and show how these can be exploited in the real world with complex raw data. With the help of practical examples, you will learn how to implement different types of neural nets to build smart applications related to text, speech, and image data processing.

فهرست مطالب

Conté: Chapter 1: Getting Started with Deep Learning --
Chapter 2: First Look at TensorFlow --
Chapter 3: Using TensorFlow on a Feed-Forward Neural Network --
Chapter 4: TensorFlow on a Convolutional Neural Network --
Chapter 5: Optimizing TensorFlow Autoencoders --
Chapter 6: Recurrent Neural Networks --
Chapter 7: GPU Computing --
Chapter 8: Advanced TensorFlow Programming --
Chapter 9: Advanced Multimedia Programming with TensorFlow --
Chapter 10: Reinforcement Learning

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Innovation in agri-food systems

دانلود کتاب Ostia in Late Antiquity

دانلود کتاب Biotechnology Annual Review 14

دانلود کتاب An Atheist in Heaven: The Ultimate Evidence for Life After Death?

دانلود کتاب Hound of the sea: wild man, wild waves, wild wisdom