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: Bourez. Christopher
سری:
ISBN (شابک) : 9781786465825, 1786463059
ناشر: Packt Publishing Limited
سال نشر: 2017
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Deep learning with Theano: build the artificial brain of the future, today 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 Theano: امروز مغز مصنوعی آینده را بسازید 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.
شبکههای عصبی عمیق را در Theano با نمونههای کد عملی برای طبقهبندی تصویر، ترجمه ماشینی، عوامل تقویتکننده یا مدلهای مولد توسعه دهید. درباره این کتاب - اصول Theano را بیاموزید و عبارات ریاضی خود را سریعتر و کارآمدتر ارزیابی کنید - الگوهای طراحی معماری های عصبی عمیق را برای ایجاد شبکه های کارآمد و قدرتمند در مجموعه داده های خود بیاموزید - دانش خود را در زمینه های مشخص مانند طبقه بندی تصاویر، تشخیص اشیا به کار ببرید. ، چت بات ها، ترجمه ماشینی، عوامل تقویت کننده، یا مدل های مولد. این کتاب برای چه کسی است این کتاب برای ارائه یک نمای کلی از یادگیری عمیق طراحی شده است. از مبتدی در یادگیری عمیق و هوش مصنوعی، تا دانشمند داده که می خواهد با Theano و کتابخانه های پشتیبانی کننده آن آشنا شود یا درک گسترده ای از شبکه های عصبی عمیق داشته باشد. برخی از مهارت های اساسی در برنامه نویسی پایتون و علوم کامپیوتر و همچنین مهارت های جبر ابتدایی و حساب دیفرانسیل و انتگرال کمک خواهد کرد. آنچه خواهید آموخت - با Theano و یادگیری عمیق آشنا شوید - مثال هایی در یادگیری تحت نظارت، بدون نظارت، مولد یا تقویتی ارائه دهید. - اصول اصلی طراحی شبکه های یادگیری عمیق کارآمد را کشف کنید: پیچیدگی ها، اتصالات باقیمانده و اتصالات مکرر. - از Theano در مجموعه دادههای بینایی رایانهای در دنیای واقعی، مانند طبقهبندی رقم و طبقهبندی تصویر استفاده کنید. - گسترش استفاده از Theano به وظایف پردازش زبان طبیعی، برای رباتهای گفتگو یا ترجمه ماشینی - پوشش استراتژیهای مبتنی بر هوش مصنوعی برای فعال کردن ربات برای حل بازیها یا یادگیری از یک محیط - تولید دادههای مصنوعی که با مدلسازی تولیدی واقعی به نظر میرسند - با آن آشنا شوید. Lasagne و Keras، دو فریمورک ساخته شده بر روی Theano در جزئیات این کتاب یک نمای کلی از یادگیری عمیق با Theano ارائه می دهد، یک کتابخانه مبتنی بر پایتون که بهینه سازی عبارات عددی و مدل های یادگیری عمیق را در CPU یا GPU آسان می کند. این کتاب چند نمونه کد عملی ارائه میکند که به مبتدی کمک میکند تا بفهمد ساخت شبکههای عصبی پیچیده چقدر آسان است، در حالی که دانشمندان دادههای آزمایششدهتر از دسترسی این کتاب، پرداختن به یادگیری نظارت شده و بدون نظارت، مدلهای تولیدی، یادگیری تقویتی در زمینههای تشخیص تصویر، پردازش زبان طبیعی یا استراتژی بازی. این کتاب همچنین وظایف تشخیص تصویر را مورد بحث قرار میدهد که از تشخیص ساده رقم، طبقهبندی تصویر، محلیسازی شی، تقسیمبندی تصویر تا زیرنویس تصویر را شامل میشود. نمونههای پردازش زبان طبیعی شامل تولید متن، رباتهای گفتگو، ترجمه ماشینی و پاسخگویی به سؤالات است. آخرین مثال با تولید دادههای تصادفی که واقعی به نظر میرسد و حل بازیهایی مانند ورزشگاه Open-AI میپردازد. در پایان، این کتاب بهترین شبکهها را برای هر کار خلاصه میکند. در حالی که نتایج تحقیقات اولیه بر روی پشتههای عمیق لایههای عصبی، بهویژه لایههای کانولوشنی استوار بود، این کتاب اصولی را ارائه میکند که کارایی این معماریها را بهبود میبخشد تا به خواننده در ساخت شبکههای سفارشی جدید کمک کند. سبک و رویکرد این یک کتاب مثال ساده است که به شما یاد می دهد چگونه محاسبات سریع و کارآمد را در پایتون انجام دهید. این کتاب با شروع با اصول اولیه NumPy، نصب Theano، شما را به سفر آرام پیاده سازی Theano برای محاسبات پیشرفته برای یادگیری ماشین و یادگیری عمیق می برد.
Develop deep neural networks in Theano with practical code examples for image classification, machine translation, reinforcement agents, or generative models. About This Book - Learn Theano basics and evaluate your mathematical expressions faster and in an efficient manner - Learn the design patterns of deep neural architectures to build efficient and powerful networks on your datasets - Apply your knowledge to concrete fields such as image classification, object detection, chatbots, machine translation, reinforcement agents, or generative models. Who This Book Is For This book is indented to provide a full overview of deep learning. From the beginner in deep learning and artificial intelligence, to the data scientist who wants to become familiar with Theano and its supporting libraries, or have an extended understanding of deep neural nets. Some basic skills in Python programming and computer science will help, as well as skills in elementary algebra and calculus. What You Will Learn - Get familiar with Theano and deep learning - Provide examples in supervised, unsupervised, generative, or reinforcement learning. - Discover the main principles for designing efficient deep learning nets: convolutions, residual connections, and recurrent connections. - Use Theano on real-world computer vision datasets, such as for digit classification and image classification. - Extend the use of Theano to natural language processing tasks, for chatbots or machine translation - Cover artificial intelligence-driven strategies to enable a robot to solve games or learn from an environment - Generate synthetic data that looks real with generative modeling - Become familiar with Lasagne and Keras, two frameworks built on top of Theano In Detail This book offers a complete overview of Deep Learning with Theano, a Python-based library that makes optimizing numerical expressions and deep learning models easy on CPU or GPU. The book provides some practical code examples that help the beginner understand how easy it is to build complex neural networks, while more experimented data scientists will appreciate the reach of the book, addressing supervised and unsupervised learning, generative models, reinforcement learning in the fields of image recognition, natural language processing, or game strategy. The book also discusses image recognition tasks that range from simple digit recognition, image classification, object localization, image segmentation, to image captioning. Natural language processing examples include text generation, chatbots, machine translation, and question answering. The last example deals with generating random data that looks real and solving games such as in the Open-AI gym. At the end, this book sums up the best -performing nets for each task. While early research results were based on deep stacks of neural layers, in particular, convolutional layers, the book presents the principles that improved the efficiency of these architectures, in order to help the reader build new custom nets. Style and approach It is an easy-to-follow example book that teaches you how to perform fast, efficient computations in Python. Starting with the very basics-NumPy, installing Theano, this book will take you to the smooth journey of implementing Theano for advanced computations for machine learning and deep learning.