مشخصات کتاب

Hands-On Neural Networks with Keras: Design and create neural networks using deep learning and artificial intelligence principles

ویرایش:  
نویسندگان: Niloy Purkait  
سری:  
ISBN (شابک) : 1789536081, 9781789536089 
ناشر: Packt Publishing 
سال نشر: 2019 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 21 مگابایت 

در صورت تبدیل فایل کتاب Hands-On Neural Networks with Keras: Design and create neural networks using deep learning and artificial intelligence principles 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 شبکه های عصبی عملی با کراس: با استفاده از اصول یادگیری عمیق و هوش مصنوعی ، شبکه های عصبی را طراحی و ایجاد کنید 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 شبکه های عصبی عملی با کراس: با استفاده از اصول یادگیری عمیق و هوش مصنوعی ، شبکه های عصبی را طراحی و ایجاد کنید

راهنمای یک مرحله ای شما برای یادگیری و اجرای موثر شبکه های عصبی مصنوعی با Keras ویژگی های کلیدی طراحی و ایجاد معماری شبکه های عصبی در دامنه های مختلف با استفاده از Keras مدل های شبکه عصبی را در برنامه های خود با استفاده از این راهنمای بسیار کاربردی ادغام کنید برای آینده شبکه های عصبی از طریق انتقال آماده شوید. یادگیری و پیش بینی مدل های چند شبکه ای توضیحات کتاب شبکه های عصبی برای حل طیف گسترده ای از مسائل در زمینه های مختلف هوش مصنوعی و یادگیری عمیق استفاده می شوند. شبکه‌های عصبی Hands-On with Keras با آموزش مفاهیم اصلی شبکه‌های عصبی به شما شروع می‌شود. شما در ترکیب مدل‌های مختلف شبکه عصبی و کار با موارد استفاده در دنیای واقعی، از جمله بینایی کامپیوتر، درک زبان طبیعی، تولید داده‌های مصنوعی، و بسیاری موارد دیگر کار خواهید کرد. در ادامه، با شبکه‌های عصبی کانولوشنال (CNN)، شبکه‌های عصبی مکرر (RNN)، شبکه‌های حافظه کوتاه‌مدت (LSTM)، رمزگذارهای خودکار و شبکه‌های متخاصم مولد (GAN) با استفاده از مجموعه داده‌های آموزشی در دنیای واقعی به خوبی آشنا خواهید شد. ما نحوه استفاده از CNN برای تشخیص تصویر، نحوه استفاده از عوامل یادگیری تقویتی و بسیاری موارد دیگر را بررسی خواهیم کرد. ما به معماری های خاص شبکه های مختلف می پردازیم و سپس هر یک از آنها را به روشی عملی با استفاده از چارچوب های صنعتی پیاده سازی می کنیم. در پایان این کتاب، شما با تمام مدل‌ها و چارچوب‌های برجسته یادگیری عمیق و گزینه‌هایی که هنگام استفاده از یادگیری عمیق در سناریوهای دنیای واقعی و تعبیه هوش مصنوعی به عنوان ساختار اصلی سازمان خود دارید، بسیار آشنا خواهید شد. آنچه یاد خواهید گرفت درک ماهیت اساسی و گردش کار مدل‌سازی داده‌های پیش‌بینی‌کننده نحوه پردازش انواع سیگنال‌های بصری و زبانی توسط شبکه‌های عصبی را بررسی کنید. ، LSTM ها و GAN ها از معماری های مختلف برای مقابله با وظایف شناختی و تعبیه هوش در سیستم ها استفاده کنید یاد بگیرید چگونه داده های مصنوعی تولید کنید و از استراتژی های تقویت برای بهبود مدل های خود استفاده کنید. از آخرین پیشرفت های دانشگاهی و تجاری در زمینه هوش مصنوعی مطلع شوید. زیرا این کتاب برای تمرین‌کنندگان یادگیری ماشین، محققان یادگیری عمیق و علاقه‌مندان به هوش مصنوعی است که به دنبال آشنایی کامل با معماری شبکه‌های عصبی مختلف با استفاده از Keras هستند. دانش زبان برنامه نویسی پایتون الزامی است.

توضیحاتی درمورد کتاب به خارجی

Your one-stop guide to learning and implementing artificial neural networks with Keras effectively Key Features Design and create neural network architectures on different domains using Keras Integrate neural network models in your applications using this highly practical guide Get ready for the future of neural networks through transfer learning and predicting multi network models Book Description Neural networks are used to solve a wide range of problems in different areas of AI and deep learning. Hands-On Neural Networks with Keras will start with teaching you about the core concepts of neural networks. You will delve into combining different neural network models and work with real-world use cases, including computer vision, natural language understanding, synthetic data generation, and many more. Moving on, you will become well versed with convolutional neural networks (CNNs), recurrent neural networks (RNNs), long short-term memory (LSTM) networks, autoencoders, and generative adversarial networks (GANs) using real-world training datasets. We will examine how to use CNNs for image recognition, how to use reinforcement learning agents, and many more. We will dive into the specific architectures of various networks and then implement each of them in a hands-on manner using industry-grade frameworks. By the end of this book, you will be highly familiar with all prominent deep learning models and frameworks, and the options you have when applying deep learning to real-world scenarios and embedding artificial intelligence as the core fabric of your organization. What you will learn Understand the fundamental nature and workflow of predictive data modeling Explore how different types of visual and linguistic signals are processed by neural networks Dive into the mathematical and statistical ideas behind how networks learn from data Design and implement various neural networks such as CNNs, LSTMs, and GANs Use different architectures to tackle cognitive tasks and embed intelligence in systems Learn how to generate synthetic data and use augmentation strategies to improve your models Stay on top of the latest academic and commercial developments in the field of AI Who this book is for This book is for machine learning practitioners, deep learning researchers and AI enthusiasts who are looking to get well versed with different neural network architecture using Keras. Working knowledge of Python programming language is mandatory.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Dhaturatnakara (Таблицы глагольных форм) Volume 5. Bhavakarmaprakriya

دانلود کتاب From Function to Monument: Urban Landscapes of Roman Palestine, Syria, and Provincia Arabia

دانلود کتاب The Tokaido Road: A Novel of Feudal Japan

دانلود کتاب Big Data: Chancen, Risiken, Entwicklungstendenzen

دانلود کتاب Stock Market Profits