مشخصات کتاب
Deep Time Series Forecasting with Python: An Intuitive Introduction to Deep Learning for Applied Time Series Modeling
ویرایش:
نویسندگان: N D Lewis
سری:
ISBN (شابک) : 1540809080, 9781540809087
ناشر: CreateSpace Independent Publishing Platform
سال نشر: 2016
تعداد صفحات: 212
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 50,000
کلمات کلیدی مربوط به کتاب پیشبینی سریهای زمانی عمیق با پایتون: مقدمهای بصری بر یادگیری عمیق برای مدلسازی سریهای زمانی کاربردی: شبکه های عصبی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 3
در صورت تبدیل فایل کتاب Deep Time Series Forecasting with Python: An Intuitive Introduction to Deep Learning for Applied Time Series Modeling 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 پیشبینی سریهای زمانی عمیق با پایتون: مقدمهای بصری بر یادگیری عمیق برای مدلسازی سریهای زمانی کاربردی 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 پیشبینی سریهای زمانی عمیق با پایتون: مقدمهای بصری بر یادگیری عمیق برای مدلسازی سریهای زمانی کاربردی
پیشبینی سریهای زمانی عمیق با پایتون!
پیشبینی سریهای زمانی عمیق با پایتون شما را به یک
سفر کاربردی ملایم، سرگرمکننده و بدون عجله برای ایجاد مدلهای
شبکه عصبی عمیق برای پیشبینی سریهای زمانی با پایتون. از زبان
ساده به جای ریاضیات استفاده می کند. و برای حرفه ای ها، کارمندان
اداری، اقتصاددانان، تحلیلگران کسب و کار و کاربران کامپیوتری
طراحی شده است که می خواهند با استفاده از پایتون یادگیری عمیق را
روی داده های سری زمانی خود امتحان کنند.
سریع و آسان: این کتاب با استفاده از زبانی ساده، راهنمای
ساده، شهودی، عملی، غیرریاضی، آسان برای دنبال کردن موفق ترین
ایده ها، تکنیک های برجسته و قابل استفاده را ارائه می دهد. راه
حل های موجود با استفاده از پایتون مثالها به وضوح توضیح داده
شدهاند و میتوان آنها را مستقیماً در پایتون تایپ کرد، همانطور
که در صفحه چاپ شده است.
تجربه ندارید؟ من فرض میکنم که شما هرگز جبر خطی را دوست
نداشتید، نمیخواهید چیزها را مشتق شده ببینید، از کدهای پیچیده
کامپیوتری خوشتان نمیآید، و شما اینجا هستید زیرا میخواهید نحوه
استفاده از یادگیری عمیق برای پیشبینی سریهای زمانی را ببینید.
به زبان ساده، و خودتان آن را امتحان کنید.
اگر می خواهید، این کتاب برای شما مناسب است:
توضیحات به جای مشتق ریاضی
کاربردهای دنیای واقعی که منطقی هستند.
تصاویر برای تعمیق درک شما.
نمونه های کار شده را می توانید به راحتی دنبال کرده و
بلافاصله اجرا کنید.
ایده هایی که در واقع می توانید استفاده کنید و روی داده های
خود امتحان کنید.
زمان یادگیری را نصف کنید!: این راهنما برای افراد نوشته
شده است. که می خواهند هر چه زودتر به سرعت برسند. از طریق یک
فرآیند ساده برای دنبال کردن، یاد خواهید گرفت که چگونه با
استفاده از پایتون، مدلهای پیشبینی سریهای زمانی عمیق را در
حداقل زمان بسازید. پس از تسلط بر این فرآیند، ترجمه دانش خود به
برنامه های تجاری قدرتمند خود برای شما آسان خواهد بود.
میآموزید چگونه:
قدرت شبکههای عصبی کوتاهمدت حافظه کوتاهمدت را آزاد کنید.
با استفاده از شبکه عصبی واحد بازگشتی دردار، مهارتهای خود
را توسعه دهید.
برنامه های کاربردی موفق را با شبکه های عصبی تکراری طراحی
کنید.
شبکه غیرخطی رگرسیون خودکار را با ورودی های برون زا مستقر
کنید.
شبکه های عصبی عمیق را برای پیش بینی سری های زمانی تطبیق
دهید.< /li>
- استراتژی های اصلی برای ساخت مدل های سری زمانی برتر.
همه چیزهایی که برای شروع نیاز دارید در این کتاب آمده است.
پیشبینی سریهای زمانی عمیق با پایتونراهنمای عملی،
تاکتیکی و آسان برای تسلط شماست.
همین امروز این کتاب را بخرید و پیشرفت خود را تسریع
کنید!
توضیحاتی درمورد کتاب به خارجی
Master Deep Time Series Forecasting with Python!
Deep Time Series Forecasting with Python takes you
on a gentle, fun and unhurried practical journey to creating
deep neural network models for time series forecasting with
Python. It uses plain language rather than mathematics; And is
designed for working professionals, office workers, economists,
business analysts and computer users who want to try deep
learning on their own time series data using Python.
QUICK AND EASY: Using plain language, this book offers a
simple, intuitive, practical, non-mathematical, easy to follow
guide to the most successful ideas, outstanding techniques and
usable solutions available using Python. Examples are clearly
described and can be typed directly into Python as printed on
the page.
NO EXPERIENCE? I’m assuming you never did like linear
algebra, don’t want to see things derived, dislike complicated
computer code, and you’re here because you want to see how to
use deep learning for time series forecasting explained in
plain language, and try it out for yourself.
THIS BOOK IS FOR YOU IF YOU WANT:
Explanations rather than mathematical derivation
Real world applications that make sense.
Illustrations to deepen your understanding.
Worked examples you can easily follow and immediately
implement.
Ideas you can actually use and try on your own data.
CUT LEARNING TIME IN HALF!: This guide was written for
people who want to get up to speed as soon as possible. Through
a simple to follow process you will learn how to build deep
time series forecasting models in the minimum amount of time
using Python. Once you have mastered the process, it will be
easy for you to translate your knowledge into your own powerful
business applications.
YOU'LL LEARN HOW TO:
Unleash the power of Long Short-Term Memory Neural Networks
.
Develop hands on skills using the Gated Recurrent Unit
Neural Network.
Design successful applications with Recurrent Neural
Networks.
Deploy Nonlinear Auto-regressive Network with Exogenous
Inputs..
Adapt Deep Neural Networks for Time Series Forecasting.
Master strategies to build superior Time Series Models.
Everything you need to get started is contained within this
book. Deep Time series Forecasting with Python is your
very own hands on practical, tactical, easy to follow guide to
mastery.
Buy this book today and accelerate your progress!
نظرات کاربران