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: Yusuke Sugomori, Bostjan Kaluza, Fabio M. Soares, Alan M. F. Souza سری: ISBN (شابک) : 9781788470315 ناشر: Packt سال نشر: 2017 تعداد صفحات: 721 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
در صورت تبدیل فایل کتاب Deep Learning. Practical Neural Networks with Java 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. شبکه های عصبی کاربردی با جاوا 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.
درباره این کتاب با استفاده از محبوبترین کتابخانههای جاوا یادگیری ماشین، یک استراتژی درست برای حل مسائل مدلسازی پیشبینیکننده ایجاد کنید. طیف گسترده ای از پردازش داده ها، یادگیری ماشینی و پردازش زبان طبیعی را از طریق نمودارها، کد منبع و برنامه های کاربردی دنیای واقعی کاوش کنید. این راهنمای گام به گام به شما کمک می کند تا مشکلات دنیای واقعی را حل کنید و نظریه شبکه های عصبی را به کاربرد آنها پیوند دهید. این کتاب برای چه کسی است این دوره برای دانشمندان داده و توسعه دهندگان جاوا در نظر گرفته شده است که می خواهند به دنیای هیجان انگیز یادگیری عمیق شیرجه بزنند. به سرعت شما را راه اندازی می کند و مهارت های لازم برای ایجاد، سفارشی سازی و استقرار موفقیت آمیز برنامه های یادگیری ماشین را در زندگی واقعی در اختیار شما قرار می دهد. آنچه شما یاد خواهید گرفت در یادگیری ماشینی و الگوریتم های یادگیری عمیق به یک شیرجه عمیق عملی بپردازید شبکه های عصبی را با استفاده از برخی از محبوب ترین چارچوب های یادگیری عمیق کاوش کنید به شبکههای باور عمیق و الگوریتمهای رمزگذاری خودکار خودکار حذف نویز پشتهای شیرجه بزنید از یادگیری ماشینی برای تشخیص تقلب، ناهنجاری و موارد دور از دسترس استفاده کنید مفاهیم یادگیری عمیق، الگوریتم ها و جعبه ابزار یادگیری عمیق را آزمایش کنید مجموعه دادهها را به آموزش، آزمایش و اعتبارسنجی انتخاب و تقسیم کنید و استراتژیهای اعتبارسنجی را بررسی کنید کد تولید شده را در مثال های عملی، از جمله پیش بینی آب و هوا و تشخیص الگو، اعمال کنید در جزئیات برنامههای یادگیری ماشین در همه جا وجود دارند، از ماشینهای خودران، تشخیص هرزنامه، جستجوی اسناد و استراتژیهای معاملاتی گرفته تا تشخیص گفتار با مقدمهای بر الگوریتمهای یادگیری ماشینی اولیه، این دوره شما را بیشتر به دنیای حیاتی بینشهای پیشبینیکننده خیرهکننده و ماشینهای قابل توجه میبرد. هوش این دوره به شما کمک می کند تا مشکلات چالش برانگیز در پردازش تصویر، تشخیص گفتار، مدل سازی زبان را حل کنید. نحوه تشخیص ناهنجاری ها و تقلب ها و راه های انجام تشخیص فعالیت، تشخیص تصویر و متن را خواهید یافت. شما همچنین با نمونه هایی مانند پیش بینی آب و هوا، تشخیص بیماری، پروفایل مشتری، تعمیم، یادگیری ماشینی شدید و موارد دیگر کار خواهید کرد. در پایان این دوره، شما تمام دانش مورد نیاز برای انجام یادگیری عمیق بر روی سیستم خود با سطوح پیچیدگی متفاوت را خواهید داشت تا آنها را در کارهای روزانه خود به کار ببرید. این دوره محتوای بسیار کاربردی را در اختیار شما قرار می دهد که آموزش عمیق با جاوا را از کتاب های Packt زیر توضیح می دهد: ملزومات یادگیری عمیق جاوا یادگیری ماشین در جاوا برنامه نویسی شبکه عصبی با جاوا، ویرایش دوم سبک و رویکرد هدف این دوره ایجاد یک مسیر یادگیری هموار است که به شما یاد می دهد چگونه به طور مؤثر از یادگیری عمیق با جاوا با سایر مؤلفه های واقعی استفاده کنید تا بیشترین بهره را از آن ببرید. از طریق این دوره جامع، شما اصول اولیه مدلسازی پیشبینی و پیشرفت را برای حل مسائل دنیای واقعی و پیوند دادن نظریه شبکههای عصبی به کاربرد آنها خواهید آموخت.
About This Book Develop a sound strategy to solve predictive modelling problems using the most popular machine learning Java libraries. Explore a broad variety of data processing, machine learning, and natural language processing through diagrams, source code, and real-world applications This step-by-step guide will help you solve real-world problems and links neural network theory to their application Who This Book Is For This course is intended for data scientists and Java developers who want to dive into the exciting world of deep learning. It will get you up and running quickly and provide you with the skills you need to successfully create, customize, and deploy machine learning applications in real life. What You Will Learn Get a practical deep dive into machine learning and deep learning algorithms Explore neural networks using some of the most popular Deep Learning frameworks Dive into Deep Belief Nets and Stacked Denoising Autoencoders algorithms Apply machine learning to fraud, anomaly, and outlier detection Experiment with deep learning concepts, algorithms, and the toolbox for deep learning Select and split data sets into training, test, and validation, and explore validation strategies Apply the code generated in practical examples, including weather forecasting and pattern recognition In Detail Machine learning applications are everywhere, from self-driving cars, spam detection, document search, and trading strategies, to speech recognitionStarting with an introduction to basic machine learning algorithms, this course takes you further into this vital world of stunning predictive insights and remarkable machine intelligence. This course helps you solve challenging problems in image processing, speech recognition, language modeling. You will discover how to detect anomalies and fraud, and ways to perform activity recognition, image recognition, and text. You will also work with examples such as weather forecasting, disease diagnosis, customer profiling, generalization, extreme machine learning and more. By the end of this course, you will have all the knowledge you need to perform deep learning on your system with varying complexity levels, to apply them to your daily work. The course provides you with highly practical content explaining deep learning with Java, from the following Packt books: Java Deep Learning Essentials Machine Learning in Java Neural Network Programming with Java, Second Edition Style and approach This course aims to create a smooth learning path that will teach you how to effectively use deep learning with Java with other de facto components to get the most out of it. Through this comprehensive course, you’ll learn the basics of predictive modelling and progress to solve real-world problems and links neural network theory to their application