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: Valentino Zocca, Gianmario Spacagna, Daniel Slater, Peter Roelants سری: ISBN (شابک) : 1786464454, 9781786464453 ناشر: سال نشر: 2017 تعداد صفحات: 0 زبان: English فرمت فایل : ZIP (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Python Deep Learning. Code 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 یادگیری عمیق پایتون. کد 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.
کد. با تسلط بر مفاهیم و الگوریتمهای یادگیری عمیق با استفاده از پایتون، مهارتهای یادگیری ماشین خود را به سطح بعدی ببرید. درباره این کتاب* با استفاده از تکنیکهای پیشرفته یادگیری عمیق سیستمهای هوشمند را کاوش و ایجاد کنید* الگوریتمهای یادگیری عمیق را پیادهسازی کنید و با کتابخانههای انقلابی در پایتون کار کنید* واقعی شوید -نمونههای جهانی و آموزشهای ساده در مورد Theano، TensorFlow، H2O و موارد دیگرWho This Book Is ForThis کتاب برای پزشکان علوم داده و همچنین مشتاقانی است که درک پایهای از مفاهیم یادگیری ماشین و تجربه برنامهنویسی با پایتون دارند. یک پیشزمینه ریاضی با درک مفهومی حساب دیفرانسیل و انتگرال و آمار نیز مورد نظر است. آنچه یاد خواهید گرفت* در الگوریتمهای یادگیری عمیق به مطالعه عمیق بپردازید* یادگیری عمیق را با Theano، Caffe، Keras، و TensorFlow بیشتر کاوش کنید. تکنیکهای قدرتمند در هسته بسیاری از پیادهسازیهای یادگیری عمیق عملی: رمزگذارهای خودکار و ماشینهای محدود بولتزمن* شیرجه به شبکههای باور عمیق و شبکههای عصبی عمیق* الگوریتمهای یادگیری عمیق بیشتری را با شبکههای عصبی انحرافی و کانولوشنال کشف کنید* استراتژیهای دستگاه را بشناسید تا بتوانید استفاده از الگوریتم ها و کتابخانه های یادگیری عمیق در دنیای واقعی در جزئیات با افزایش علاقه به هوش مصنوعی در سراسر جهان، یادگیری عمیق توجه زیادی را به خود جلب کرده است. هر روز، الگوریتم های یادگیری عمیق به طور گسترده در صنایع مختلف مورد استفاده قرار می گیرند. این کتاب تمام اطلاعات عملی موجود در مورد این موضوع، از جمله بهترین شیوه ها، با استفاده از موارد استفاده در دنیای واقعی را در اختیار شما قرار می دهد. شما یاد خواهید گرفت که برای افزایش دقت پیشبینی و بهینهسازی نتایج، اطلاعات را تشخیص داده و استخراج کنید. این کتاب با یک جمعبندی سریع از مفاهیم مهم یادگیری ماشین شروع میشود، این کتاب مستقیماً به اصول یادگیری عمیق با استفاده از یادگیری کیت علمی میپردازد. با حرکت رو به جلو، یاد خواهید گرفت که از جدیدترین کتابخانه های منبع باز مانند Theano، Keras، TensorFlow گوگل و H20 استفاده کنید. از این راهنما برای کشف مشکلات مربوط به تشخیص الگو، مقیاس بندی داده ها با دقت بیشتر و بحث در مورد الگوریتم ها و تکنیک های یادگیری عمیق استفاده کنید. همه چیز را در داخل پیدا خواهید کرد. سبک و رویکرد یادگیری ماشین پایتون با مثال از رویکرد عملی پیروی می کند. شما را از طریق عناصر کلیدی پایتون و کتابخانه های قدرتمند یادگیری ماشینی آن با کمک پروژه های دنیای واقعی راهنمایی می کند.
Code. Take your machine learning skills to the next level by mastering Deep Learning concepts and algorithms using Python.About This Book* Explore and create intelligent systems using cutting-edge deep learning techniques* Implement deep learning algorithms and work with revolutionary libraries in Python* Get real-world examples and easy-to-follow tutorials on Theano, TensorFlow, H2O and moreWho This Book Is ForThis book is for Data Science practitioners as well as aspirants who have a basic foundational understanding of Machine Learning concepts and some programming experience with Python. A mathematical background with a conceptual understanding of calculus and statistics is also desired.What You Will Learn* Get a practical deep dive into deep learning algorithms* Explore deep learning further with Theano, Caffe, Keras, and TensorFlow* Learn about two of the most powerful techniques at the core of many practical deep learning implementations: Auto-Encoders and Restricted Boltzmann Machines* Dive into Deep Belief Nets and Deep Neural Networks* Discover more deep learning algorithms with Dropout and Convolutional Neural Networks* Get to know device strategies so you can use deep learning algorithms and libraries in the real worldIn DetailWith an increasing interest in AI around the world, deep learning has attracted a great deal of public attention. Every day, deep learning algorithms are used broadly across different industries.The book will give you all the practical information available on the subject, including the best practices, using real-world use cases. You will learn to recognize and extract information to increase predictive accuracy and optimize results.Starting with a quick recap of important machine learning concepts, the book will delve straight into deep learning principles using Sci-kit learn. Moving ahead, you will learn to use the latest open source libraries such as Theano, Keras, Google's TensorFlow, and H20. Use this guide to uncover the difficulties of pattern recognition, scaling data with greater accuracy and discussing deep learning algorithms and techniques.Whether you want to dive deeper into Deep Learning, or want to investigate how to get more out of this powerful technology, you'll find everything inside.Style and approachPython Machine Learning by example follows practical hands on approach. It walks you through the key elements of Python and its powerful machine learning libraries with the help of real world projects.