دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python Beginners Guide to Artificial Intelligence
دانلود کتاب راهنمای مبتدیان پایتون برای هوش مصنوعی
مشخصات کتاب
Python Beginners Guide to Artificial Intelligence
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Denis Rothman, Matthew Lamons, Rahul Kumar, Abhishek Nagaraja, Amir Ziai, Ankit Dixit سری: Learning Path ISBN (شابک) : 9781789957327 ناشر: Packt Publishing سال نشر: 2018 تعداد صفحات: 662 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 44 مگابایت
قیمت کتاب (تومان) : 49,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب راهنمای مبتدیان پایتون برای هوش مصنوعی: هوش مصنوعی، یادگیری ماشین، پایتون
در صورت تبدیل فایل کتاب Python Beginners Guide to Artificial Intelligence 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 راهنمای مبتدیان پایتون برای هوش مصنوعی 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 راهنمای مبتدیان پایتون برای هوش مصنوعی
این مسیر یادگیری دانش و تکنیک‌های عملی را ارائه می‌دهد که برای ایجاد و کمک به یادگیری ماشینی، یادگیری عمیق و تجزیه و تحلیل داده‌های مدرن به آن نیاز دارید. شما با الگوریتم های مختلف یادگیری ماشینی و یادگیری عمیق از ابتدا آشنا خواهید شد و به شما نشان می دهد که چگونه آنها را در چالش های عملی صنعت با استفاده از مثال های واقعی و جالب به کار ببرید. تعادل جدیدی از ایده های کلاسیک و بینش های مدرن در مورد یادگیری ماشین پیدا خواهید کرد. شما یاد خواهید گرفت که با استفاده از قدرت TensorFlow، همراه با سایر کتابخانه های منبع باز پایتون، مدل های پیش بینی قدرتمند، قوی و دقیق بسازید. در طول مسیر یادگیری، یاد خواهید گرفت که چگونه برنامه‌های یادگیری عمیق را برای سیستم‌های یادگیری ماشین با استفاده از شبکه‌های عصبی فید فوروارد، شبکه‌های عصبی کانولوشنال، شبکه‌های عصبی تکراری و رمزگذارهای خودکار توسعه دهید. نحوه دستیابی به برنامه نویسی یادگیری عمیق در GPU را به روشی توزیع شده کشف کنید. در پایان این مسیر یادگیری، اصول هوش مصنوعی را می‌دانید و با تعدادی مطالعه موردی کار کرده‌اید که به شما کمک می‌کند مهارت‌های خود را در پروژه‌های دنیای واقعی به کار ببرید.
توضیحاتی درمورد کتاب به خارجی
This Learning Path offers practical knowledge and techniques you need to create and contribute to machine learning, deep learning, and modern data analysis. You will be introduced to various machine learning and deep learning algorithms from scratch, and show you how to apply them to practical industry challenges using realistic and interesting examples. You'll find a new balance of classical ideas and modern insights into machine learning. You will learn to build powerful, robust, and accurate predictive models with the power of TensorFlow, combined with other open-source Python libraries. Throughout the Learning Path, you'll learn how to develop deep learning applications for machine learning systems using Feedforward Neural Networks, Convolutional Neural Networks, Recurrent Neural Networks, and Autoencoders. Discover how to attain deep learning programming on GPU in a distributed way. By the end of this Learning Path, you know the fundamentals of AI and have worked through a number of case studies that will help you apply your skills to real-world projects.
فهرست مطالب
(ATG AI):This book doesn\'t say a thing about me...
نظرات کاربران
کتاب های مرتبط
دانلود کتاب Utility-Based Learning from Data
دانلود کتاب BIANCA, A Genetic Algorithm for Engineering Optimisation
دانلود کتاب Algorithms for computational linguistics
دانلود کتاب Graphics of Large Datasets: Visualizing a Million
دانلود کتاب Finding Structure in Time
دانلود کتاب Rough Sets and Knowledge Technology: 4th International Conference, RSKT 2009, Gold Coast, Australia, July 14-16, 2009. Proceedings
دانلود کتاب Event Mining: Algorithms and Applications
دانلود کتاب Reinforcement Learning. Theory and Applications
دانلود کتاب Support Vector Machines Applications
