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 Practical Python Artificial Intelligence Programming

دانلود کتاب برنامه نویسی عملی هوش مصنوعی پایتون

Practical Python Artificial Intelligence Programming

مشخصات کتاب

Practical Python Artificial Intelligence Programming

ویرایش:  
نویسندگان:   
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: [129] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 Mb 

قیمت کتاب (تومان) : 29,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 3


در صورت تبدیل فایل کتاب Practical Python Artificial Intelligence Programming 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 نویسی عملی هوش مصنوعی پایتون 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 درمورد کتاب به خارجی



فهرست مطالب

Table of Contents
Cover Material, Copyright, and License
Preface
	About the Author
	Using the Example Code
	Book Cover
	Acknowledgements
Part I - Getting Started
Python Development Environment
	Managing Python Versions and Libraries
	Editors and IDEs
	Code Style
``Classic'' Machine Learning
	Example Material
	Classification Models using Scikit-learn
	Classic Machine Learning Wrap-up
Symbolic AI
	Comparison of Symbolic AI and Deep Learning
	Implementing Frame Data Structures in Python
	Use Predicate Logic by Calling Swi-Prolog
	Swi-Prolog and Python Deep Learning Interop
	Soar Cognitive Architecture
	Constraint Programming with MiniZinc and Python
	Good Old Fashioned Symbolic AI Wrap-up
Part II - Knowledge Representation
Getting Setup To Use Graph and Relational Databases
	The Apache Jena Fuseki RDF Datastore and SPARQL Query Server
	The Neo4j Community Edition and Cypher Query Server and the Memgraph Graph Database
	The SQLite Relational Database
Semantic Web, Linked Data and Knowledge Graphs
	Overview and Theory
	A Hybrid Deep Learning and RDF/SPARQL Application for Question Answering
	Knowledge Graph Creator: Convert Text Files to RDF Data Input Data for Fuseki
	Old Technology: The OpenCyc Knowledge Base (Optional Material)
	Examples Using Wikidata Instead of DBPedia
	Knowledge Graph Navigator: Use English to Explore DBPedia
	Wrap Up for Semantic Web, Linked Data and Knowledge Graphs
Part III - Deep Learning
The Basics of Deep Learning
	Using TensorFlow and Keras for Building a Cancer Prediction Model
Natural Language Processing Using Deep Learning
	OpenAI GPT-3 APIs
	Hugging Face APIs
	Comparing Sentences for Similarity Using Transformer Models
	Deep Learning Natural Language Processing Wrap-up
Part IV - Overviews of Image Generation, Reinforcement Learning, and Recommendation Systems
Overview of Image Generation
	Recommended Reading for Image Generation
Overview of Reinforcement Learning (Optional Material)
	Overview
	Available RL Tools
	Reinforcement Learning Wrap-up
Overview of Recommendation Systems
	TensorFlow Recommenders
	Recommendation Systems Wrap-up
Book Wrap-up




نظرات کاربران