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: 1
نویسندگان: Tariq Rashid
سری:
ISBN (شابک) : 1530826608, 9781530826605
ناشر: CreateSpace Independent Publishing Platform
سال نشر: 2016
تعداد صفحات: 0
زبان: English
فرمت فایل : MOBI (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب شبکه عصبی خود را بسازید: شبکه های عصبی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری
در صورت تبدیل فایل کتاب Make Your Own Neural Network 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 عصبی خود 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.
سفری آرام از طریق ریاضیات شبکه های عصبی و ساختن خودتان با استفاده از زبان کامپیوتر پایتون. شبکه های عصبی یکی از عناصر کلیدی یادگیری عمیق و هوش مصنوعی هستند که امروزه قادر به انجام برخی شاهکارهای واقعاً چشمگیر هستند. با این حال تعداد بسیار کمی واقعاً درک می کنند که شبکه های عصبی واقعاً چگونه کار می کنند. این راهنما شما را به سفری سرگرمکننده و بدون عجله میبرد، از ایدههای بسیار ساده شروع کرده و به تدریج درک درستی از نحوه عملکرد شبکههای عصبی ایجاد میکند. شما به ریاضیات فراتر از دبیرستان نیاز نخواهید داشت، و یک مقدمه در دسترس برای حساب دیفرانسیل و انتگرال نیز گنجانده شده است. جاه طلبی این راهنما این است که شبکه های عصبی را تا حد امکان برای خوانندگان بیشتری در دسترس قرار دهد - در حال حاضر متون کافی برای خوانندگان پیشرفته وجود دارد! شما یاد خواهید گرفت که در پایتون کدنویسی کنید و شبکه عصبی خود را بسازید، به آن یاد میدهید تا اعداد دستنویس انسان را تشخیص دهد و همچنین شبکههای حرفهای توسعهیافته را اجرا کنید. قسمت 1 درباره ایده ها است. ما ایدههای ریاضی زیربنای شبکههای عصبی را به آرامی با تصاویر و مثالهای فراوان معرفی میکنیم. قسمت 2 عملی است. ما زبان برنامه نویسی محبوب و آسان برای یادگیری پایتون را معرفی می کنیم و به تدریج یک شبکه عصبی ایجاد می کنیم که می تواند اعداد دست نوشته انسان را تشخیص دهد و به راحتی آن را به خوبی شبکه های ساخته شده توسط حرفه ای ها اجرا کند. بخش 3 این ایده ها را بیشتر گسترش می دهد. ما عملکرد شبکه عصبی خود را تنها با استفاده از ایدهها و کدهای ساده به سمت صنعتی هدایت میکنیم که 98 درصد پیشرو است، شبکه را با دست خط خود آزمایش میکنیم، نگاهی ممتاز به ذهن مرموز یک شبکه عصبی میاندازیم، و حتی همه آن را بر روی یک شبکه عصبی کار میکنیم. رزبری پای. تمام کدهای موجود در این برای کار بر روی Raspberry Pi Zero تست شده اند.
A gentle journey through the mathematics of neural networks, and making your own using the Python computer language. Neural networks are a key element of deep learning and artificial intelligence, which today is capable of some truly impressive feats. Yet too few really understand how neural networks actually work. This guide will take you on a fun and unhurried journey, starting from very simple ideas, and gradually building up an understanding of how neural networks work. You won't need any mathematics beyond secondary school, and an accessible introduction to calculus is also included. The ambition of this guide is to make neural networks as accessible as possible to as many readers as possible - there are enough texts for advanced readers already! You'll learn to code in Python and make your own neural network, teaching it to recognise human handwritten numbers, and performing as well as professionally developed networks. Part 1 is about ideas. We introduce the mathematical ideas underlying the neural networks, gently with lots of illustrations and examples. Part 2 is practical. We introduce the popular and easy to learn Python programming language, and gradually builds up a neural network which can learn to recognise human handwritten numbers, easily getting it to perform as well as networks made by professionals. Part 3 extends these ideas further. We push the performance of our neural network to an industry leading 98% using only simple ideas and code, test the network on your own handwriting, take a privileged peek inside the mysterious mind of a neural network, and even get it all working on a Raspberry Pi. All the code in this has been tested to work on a Raspberry Pi Zero.