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: Bo Wang, Cristian Mitroi, Feng Wang, Shubham Saboo, Susana Guzman سری: ISBN (شابک) : 1801816824, 9781801816823 ناشر: Packt Publishing سال نشر: 2022 تعداد صفحات: 188 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Neural Search - From Prototype to Production with Jina: Build deep learning–powered search systems that you can deploy and manage with ease 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 جستجوی عصبی - از نمونه اولیه تا تولید با Jina: سیستم های جستجوی مبتنی بر یادگیری عمیق بسازید که می توانید به راحتی آن ها را مستقر و مدیریت 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.
با استفاده از الگوهای طراحی Jina سیستمهای جستجوی عصبی را در ابر پیادهسازی کنید
جستجو بخش بزرگ و رو به رشدی از اکوسیستم فناوری است. با این حال، جستجوی سنتی محدودیتهایی دارد که به دلیل نحوه طراحی آن، غلبه بر آنها دشوار است. جستجوی عصبی یک رویکرد جدید است که از قدرت یادگیری ماشین برای بازیابی اطلاعات با استفاده از جاسازیهای برداری به عنوان شهروندان درجه یک استفاده میکند و فرصتهای جدیدی را برای بهبود نتایج بهدستآمده از طریق جستجوی سنتی باز میکند.
< span> اگرچه جستجوی عصبی ابزار قدرتمندی است، اما جدید است و تنظیم دقیق آن میتواند خستهکننده باشد، زیرا شما را ملزم میکند چندین مؤلفه را که بر آن تکیه میکند، درک کنید. جینا این شکاف را با ارائه زیرساختی پر می کند که زمان و پیچیدگی مربوط به ایجاد موتورهای جستجوی مبتنی بر یادگیری عمیق را کاهش می دهد. این کتاب شما را قادر می سازد تا اصول اولیه شبکه های عصبی برای جستجوی عصبی، نقاط قوت و ضعف آن و همچنین نحوه استفاده از جینا برای ساخت موتور جستجو را بیاموزید. با کمک توضیحات گام به گام، مثال های عملی و سوالات خودارزیابی، شما با اصول جستجوی عصبی و مفاهیم اصلی جینا آشنا خواهید شد و یاد خواهید گرفت که از این دانش برای ساخت موتور جستجوی خود استفاده کنید. .
در پایان این کتاب یادگیری عمیق، میتوانید از الگوهای طراحی جستجوی عصبی جینا نهایت استفاده را ببرید تا راهحل جستجوی سرتاسری بسازید. هر روشی.
اگر اهل یادگیری ماشینی، یادگیری عمیق، یا مصنوعی هستید مهندس اطلاعات علاقه مند به ساختن یک سیستم جستجو از هر نوع (متن، QA، تصویر، صدا، PDF، مدل های سه بعدی یا موارد دیگر) با استفاده از معماری نرم افزار مدرن، این کتاب برای شماست. این کتاب برای مهندسین پایتون که علاقه مند به ساختن یک سیستم جستجو از هر نوع با استفاده از تکنیک های پیشرفته یادگیری عمیق هستند، عالی است.
Implement neural search systems on the cloud by leveraging Jina design patterns
Search is a big and ever-growing part of the tech ecosystem. Traditional search, however, has limitations that are hard to overcome because of the way it is designed. Neural search is a novel approach that uses the power of machine learning to retrieve information using vector embeddings as first-class citizens, opening up new possibilities of improving the results obtained through traditional search.
Although neural search is a powerful tool, it is new and finetuning it can be tedious as it requires you to understand the several components on which it relies. Jina fills this gap by providing an infrastructure that reduces the time and complexity involved in creating deep learning–powered search engines. This book will enable you to learn the fundamentals of neural networks for neural search, its strengths and weaknesses, as well as how to use Jina to build a search engine. With the help of step-by-step explanations, practical examples, and self-assessment questions, you'll become well-versed with the basics of neural search and core Jina concepts, and learn to apply this knowledge to build your own search engine.
By the end of this deep learning book, you'll be able to make the most of Jina's neural search design patterns to build an end-to-end search solution for any modality.
If you are a machine learning, deep learning, or artificial intelligence engineer interested in building a search system of any kind (text, QA, image, audio, PDF, 3D models, or others) using modern software architecture, this book is for you. This book is perfect for Python engineers who are interested in building a search system of any kind using state-of-the-art deep learning techniques.