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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Ahmed Fawzy Gad سری: ISBN (شابک) : 1484241665, 9781484241660 ناشر: Apress سال نشر: 2019 تعداد صفحات: 421 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب برنامه های کاربردی بینایی کامپیوتری با استفاده از یادگیری عمیق با CNN: با مثال های دقیق در پایتون با استفاده از TensorFlow و Kivy: یادگیری ماشینی، شبکههای عصبی، یادگیری عمیق، بینایی کامپیوتری، پایتون، شبکههای عصبی کانولوشن، مهندسی ویژگیها، تشخیص تصویر، جریان تنسور، خطوط لوله، انتشار پسانداز، منظمسازی، کیوی، بیشبرازش
در صورت تبدیل فایل کتاب Practical Computer Vision Applications Using Deep Learning with CNNs: With Detailed Examples in Python Using TensorFlow and Kivy 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 برنامه های کاربردی بینایی کامپیوتری با استفاده از یادگیری عمیق با CNN: با مثال های دقیق در پایتون با استفاده از TensorFlow و Kivy 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.
کاربردهای یادگیری عمیق را در چندین پلتفرم در تولید بکار ببرید. شما روی برنامه های بینایی کامپیوتری کار خواهید کرد که از مدل یادگیری عمیق شبکه عصبی کانولوشن (CNN) و پایتون استفاده می کنند. این کتاب با توضیح خط لوله سنتی یادگیری ماشینی شروع می شود، جایی که شما یک مجموعه داده تصویر را تجزیه و تحلیل خواهید کرد. در طول مسیر، شبکههای عصبی مصنوعی (ANN) را پوشش میدهید، و قبل از بهینهسازی آن با استفاده از الگوریتمهای ژنتیک، یکی را از ابتدا در پایتون میسازید. برای خودکارسازی فرآیند، این کتاب محدودیتهای ویژگیهای سنتی دستسازی شده برای بینایی رایانه و اینکه چرا مدل یادگیری عمیق CNN راهحلی پیشرفته است را برجسته میکند. CNN ها از ابتدا مورد بحث قرار می گیرند تا نشان دهند که چگونه آنها متفاوت و کارآمدتر از ANN کاملا متصل (FCNN) هستند. شما یک CNN را در پایتون پیاده سازی خواهید کرد تا درک کاملی از مدل به شما ارائه دهد. پس از ادغام اصول اولیه، از TensorFlow برای ساختن یک مدل عملی تشخیص تصویر استفاده خواهید کرد که با استفاده از Flask روی یک وب سرور مستقر خواهید کرد و آن را از طریق اینترنت در دسترس قرار می دهد. با استفاده از Kivy و NumPy، برنامه های کاربردی علم داده بین پلتفرمی با هزینه های سربار کم ایجاد خواهید کرد. این کتاب به شما کمک می کند مفاهیم یادگیری عمیق و بینایی کامپیوتر را از ابتدا، گام به گام از مفهوم تا تولید به کار ببرید. آنچه شما یاد خواهید گرفت • نحوه عملکرد ANN و CNN را بدانید • برنامه های بینایی کامپیوتر و CNN ها را از ابتدا با استفاده از پایتون ایجاد کنید • با استفاده از TensorFlow یک پروژه یادگیری عمیق را از مفهوم تا تولید دنبال کنید • از NumPy با Kivy برای ساخت برنامه های کاربردی علم داده بین پلتفرمی استفاده کنید این کتاب برای چه کسی است دانشمندان داده، مهندسین یادگیری ماشین و یادگیری عمیق، توسعه دهندگان نرم افزار.
Deploy deep learning applications into production across multiple platforms. You will work on computer vision applications that use the convolutional neural network (CNN) deep learning model and Python. This book starts by explaining the traditional machine-learning pipeline, where you will analyze an image dataset. Along the way you will cover artificial neural networks (ANNs), building one from scratch in Python, before optimizing it using genetic algorithms. For automating the process, the book highlights the limitations of traditional hand-crafted features for computer vision and why the CNN deep-learning model is the state-of-art solution. CNNs are discussed from scratch to demonstrate how they are different and more efficient than the fully connected ANN (FCNN). You will implement a CNN in Python to give you a full understanding of the model. After consolidating the basics, you will use TensorFlow to build a practical image-recognition model that you will deploy to a web server using Flask, making it accessible over the Internet. Using Kivy and NumPy, you will create cross-platform data science applications with low overheads. This book will help you apply deep learning and computer vision concepts from scratch, step-by-step from conception to production. What You Will Learn • Understand how ANNs and CNNs work • Create computer vision applications and CNNs from scratch using Python • Follow a deep learning project from conception to production using TensorFlow • Use NumPy with Kivy to build cross-platform data science applications Who This Book Is For Data scientists, machine learning and deep learning engineers, software developers.
Front Matter ....Pages i-xxii
Recognition in Computer Vision (Ahmed Fawzy Gad)....Pages 1-44
Artificial Neural Networks (Ahmed Fawzy Gad)....Pages 45-106
Recognition Using ANN with Engineered Features (Ahmed Fawzy Gad)....Pages 107-128
ANN Optimization (Ahmed Fawzy Gad)....Pages 129-181
Convolutional Neural Networks (Ahmed Fawzy Gad)....Pages 183-227
TensorFlow Recognition Application (Ahmed Fawzy Gad)....Pages 229-294
Deploying Pretrained Models (Ahmed Fawzy Gad)....Pages 295-338
Cross-Platform Data Science Applications (Ahmed Fawzy Gad)....Pages 339-380
Back Matter ....Pages 381-405