ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning

دانلود کتاب پردازش زبان طبیعی با PyTorch: ساخت برنامه های کاربردی زبان هوشمند با استفاده از یادگیری عمیق

Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning

مشخصات کتاب

Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning

دسته بندی: آمار ریاضی
ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 9781491978238, 1491978236 
ناشر: O’Reilly Media 
سال نشر: 2019 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 مگابایت

قیمت کتاب (تومان) : 51,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 20


در صورت تبدیل فایل کتاب Natural Language Processing with PyTorch: Build Intelligent Language Applications Using Deep Learning 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 پردازش زبان طبیعی با PyTorch: ساخت برنامه های کاربردی زبان هوشمند با استفاده از یادگیری عمیق 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 پردازش زبان طبیعی با PyTorch: ساخت برنامه های کاربردی زبان هوشمند با استفاده از یادگیری عمیق

از پیشگفتار هدف این کتاب این است که افراد تازه وارد را به پردازش زبان طبیعی (NLP) و یادگیری عمیق به جدول مزه‌ای که موضوعات مهم در هر دو زمینه را پوشش می‌دهد، بیاورد. هر دوی این حوزه های موضوعی به طور تصاعدی در حال رشد هستند. از آنجایی که هم یادگیری عمیق و هم NLP را با تاکید بر پیاده سازی معرفی می کند، این کتاب حد وسط مهمی را اشغال می کند. در حین نوشتن کتاب، مجبور بودیم انتخاب‌های سخت و گاهی ناراحت‌کننده داشته باشیم که چه مطالبی را کنار بگذاریم. برای یک خواننده مبتدی، ما امیدواریم که این کتاب یک پایه قوی در اصول اولیه و یک نگاه اجمالی به آنچه ممکن است ارائه دهد. یادگیری ماشینی، و به طور خاص یادگیری عمیق، یک رشته تجربی است، برخلاف علم فکری. نمونه های سخاوتمندانه کد سرتاسری در هر فصل از شما دعوت می کند تا در آن تجربه شرکت کنید. نکته ای در مورد سبک کتاب. ما عمداً از ریاضیات در بیشتر جاها اجتناب کرده‌ایم، نه به این دلیل که یادگیری عمیق ریاضی به‌ویژه دشوار است (اینطور نیست)، بلکه به این دلیل که در بسیاری از موقعیت‌ها حواس‌پرتی را از هدف اصلی این کتاب - یعنی توانمندسازی زبان‌آموز مبتدی - منحرف می‌کند. به همین ترتیب، در بسیاری از موارد، هم در کد و هم در متن، ما توضیح را به موجز ترجیح داده ایم. خوانندگان پیشرفته و برنامه نویسان باتجربه احتمالاً راه هایی برای سخت تر کردن کد و غیره خواهند دید، اما انتخاب ما این بود که تا حد امکان صریح باشیم تا به گسترده ترین مخاطبانی که می خواهیم دسترسی پیدا کنیم.


توضیحاتی درمورد کتاب به خارجی

From the Preface This book aims to bring newcomers to natural language processing (NLP) and deep learning to a tasting table covering important topics in both areas. Both of these subject areas are growing exponentially. As it introduces both deep learning and NLP with an emphasis on implementation, this book occupies an important middle ground. While writing the book, we had to make difficult, and sometimes uncomfortable, choices on what material to leave out. For a beginner reader, we hope the book will provide a strong foundation in the basics and a glimpse of what is possible. Machine learning, and deep learning in particular, is an experiential discipline, as opposed to an intellectual science. The generous end-to-end code examples in each chapter invite you to partake in that experience. A note regarding the style of the book. We have intentionally avoided mathematics in most places, not because deep learning math is particularly difficult (it is not), but because it is a distraction in many situations from the main goal of this book—to empower the beginner learner. Likewise, in many cases, both in code and text, we have favored exposition over succinctness. Advanced readers and experienced programmers will likely see ways to tighten up the code and so on, but our choice was to be as explicit as possible so as to reach the broadest of the audience that we want to reach.



فهرست مطالب

Chapter 1......Page 10
Chapter 2......Page 34
Chapter 3......Page 44
Chapter 4......Page 79
Chapter 5......Page 114
Chapter 6......Page 138
Chapter 7......Page 151
Chapter 8......Page 167
Chapter 9......Page 197




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی