برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Deep Learning with TensorFlow

دانلود کتاب درک عمیق با TensorFlow

مشخصات کتاب

Deep Learning with TensorFlow

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش: 2nd 
نویسندگان: Giancarlo Zaccone. Md. Rezaul Karim  
سری:  
ISBN (شابک) : 1788831101 
ناشر: Packt Publishing 
سال نشر: 2018 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 17 مگابایت

قیمت کتاب (تومان) : 45,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد

کلمات کلیدی مربوط به کتاب درک عمیق با TensorFlow: پایتون

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 8

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 درک عمیق با TensorFlow 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 درک عمیق با TensorFlow

با کمک TensorFlow نسخه 1.7 وارد شبکه‌های عصبی شوید، الگوریتم‌های یادگیری عمیق را پیاده‌سازی کنید و لایه‌های انتزاع داده‌ها را بررسی کنید. ویژگی های کلیدی یاد بگیرید که چگونه تکنیک های پیشرفته در یادگیری عمیق را با خلاقیت گوگل پیاده سازی کنید، TensorFlow نسخه 1.7 با کمک این راهنمای جامع شبکه های عصبی عمیق و لایه های انتزاع داده ها را کاوش کنید. شرح یادگیری عمیق شاخه ای از الگوریتم های یادگیری ماشینی است که بر اساس یادگیری سطوح چندگانه انتزاع است. شبکه‌های عصبی، که هسته اصلی یادگیری عمیق هستند، در تحلیل‌های پیش‌بینی، بینایی کامپیوتر، پردازش زبان طبیعی، پیش‌بینی سری‌های زمانی و برای انجام هزاران کار پیچیده دیگر استفاده می‌شوند. این کتاب برای توسعه‌دهندگان، تحلیلگران داده، تمرین‌کنندگان یادگیری ماشین و علاقه‌مندان به یادگیری عمیق طراحی شده است که می‌خواهند مدل‌های پیش‌بینی قدرتمند، قوی و دقیق را با قدرت TensorFlow نسخه 1.7 همراه با سایر کتابخانه‌های منبع باز پایتون بسازند. در سراسر کتاب، شما یاد خواهید گرفت که چگونه با استفاده از شبکه‌های عصبی فید فوروارد، شبکه‌های عصبی کانولوشنال، شبکه‌های عصبی تکراری، رمزگذارهای خودکار و ماشین‌های فاکتورسازی، برنامه‌های یادگیری عمیق را برای سیستم‌های یادگیری ماشین توسعه دهید. نحوه دستیابی به برنامه نویسی یادگیری عمیق در GPU را به روشی توزیع شده کشف کنید. شما با دانش عمیقی از تکنیک های یادگیری ماشین و مهارت های بکارگیری آنها در پروژه های دنیای واقعی دست خواهید یافت. آنچه یاد خواهید گرفت استفاده از هوش عمیق ماشین و محاسبات GPU با TensorFlow نسخه 1.7 دسترسی به مجموعه داده های عمومی و استفاده از TensorFlow برای بارگیری، پردازش و تبدیل داده ها کشف نحوه استفاده از TensorFlow API سطح بالا برای ساخت برنامه های کاربردی قدرتمندتر استفاده از یادگیری عمیق برای تشخیص اشیای مقیاس‌پذیر و محاسبات متحرک آموزش سریع ماشین‌ها برای یادگیری از داده‌ها با کاوش در تکنیک‌های یادگیری تقویتی. کاوش در حوزه‌های فعال تحقیقات و برنامه‌های یادگیری عمیق این کتاب برای چه کسانی است این کتاب برای افراد علاقه‌مند به یادگیری ماشین و هوش ماشینی 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.

توضیحاتی درمورد کتاب به خارجی

Delve into neural networks, implement deep learning algorithms, and explore layers of data abstraction with the help of TensorFlow v1.7. Key Features Learn how to implement advanced techniques in deep learning with Google's brainchild, TensorFlow v1.7 Explore deep neural networks and layers of data abstraction with the help of this comprehensive guide Gain real-world contextualization through some deep learning problems concerning research and application Book Description Deep learning is a branch of machine learning algorithms based on learning multiple levels of abstraction. Neural networks, which are at the core of deep learning, are being used in predictive analytics, computer vision, natural language processing, time series forecasting, and to perform a myriad of other complex tasks. This book is conceived for developers, data analysts, machine learning practitioners and deep learning enthusiasts who want to build powerful, robust, and accurate predictive models with the power of TensorFlow v1.7, combined with other open source Python libraries. Throughout the book, you'll learn how to develop deep learning applications for machine learning systems using Feedforward Neural Networks, Convolutional Neural Networks, Recurrent Neural Networks, Autoencoders, and Factorization Machines. Discover how to attain deep learning programming on GPU in a distributed way. You'll come away with an in-depth knowledge of machine learning techniques and the skills to apply them to real-world projects. What you will learn Apply deep machine intelligence and GPU computing with TensorFlow v1.7 Access public datasets and use TensorFlow to load, process, and transform the data Discover how to use the high-level TensorFlow API to build more powerful applications Use 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 Who this book is for The book is for 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.