دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python Deep Learning: Next generation techniques to revolutionize computer vision, AI, speech and data analysis
دانلود کتاب یادگیری عمیق پایتون: تکنیک های نسل بعدی برای ایجاد انقلابی در بینایی رایانه ، هوش مصنوعی ، تجزیه و تحلیل گفتار و داده ها
مشخصات کتاب
Python Deep Learning: Next generation techniques to revolutionize computer vision, AI, speech and data analysis
ویرایش: نویسندگان: Gianmario Spacagna, Daniel Slater, Valentino Zocca, Peter Roelants سری: ناشر: Packt Publishing سال نشر: 2017 تعداد صفحات: 406 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 Mb
قیمت کتاب (تومان) : 39,000
در صورت تبدیل فایل کتاب Python Deep Learning: Next generation techniques to revolutionize computer vision, AI, speech and data analysis 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: تکنیک های نسل بعدی برای ایجاد انقلابی در بینایی رایانه ، هوش مصنوعی ، تجزیه و تحلیل گفتار و داده ها 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 یادگیری عمیق پایتون: تکنیک های نسل بعدی برای ایجاد انقلابی در بینایی رایانه ، هوش مصنوعی ، تجزیه و تحلیل گفتار و داده ها
مهارت های یادگیری ماشین خود را با تسلط بر مفاهیم و الگوریتم های یادگیری عمیق با استفاده از Python به سطح بعدی ببرید.
ویژگی های کلیدی
- کاوش و ایجاد سیستم های هوشمند با استفاده از تکنیک های پیشرفته یادگیری عمیق
- پیاده سازی الگوریتم های یادگیری عمیق و کار با کتابخانه های انقلابی در پایتون
- دریافت مثال های دنیای واقعی و آموزش های آسان برای دنبال کردن در Theano، TensorFlow، H2O و موارد دیگر
توضیحات کتاب
با افزایش علاقه به هوش مصنوعی در سراسر جهان، یادگیری عمیق توجه عمومی 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 شناسایی و استخراج کنید.
این کتاب با خلاصه‌نویسی سریع 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 تشخیص الگو، مقیاس‌بندی داده‌ها با دقت بیشتر و بحث در مورد الگوریتم‌ها و تکنیک‌های یادگیری عمیق استفاده کنید.
خواه می‌خواهید عمیق‌تر در یادگیری عمیق غوطه‌ور شوید، یا می‌خواهید بررسی کنید که چگونه می‌توانید بیشتر از آن بهره ببرید. با استفاده از این فناوری قدرتمند، همه چیز را در داخل پیدا خواهید کرد.
آنچه یاد خواهید گرفت
- در الگوریتم های یادگیری عمیق یک مطالعه عمیق عملی داشته باشید
- کاوش کنید یادگیری عمیق بیشتر با Theano، Caffe، Keras و TensorFlow
- درباره دو تا از قوی ترین تکنیک ها در هسته بسیاری از پیاده سازی های یادگیری عمیق عملی بیاموزید: Auto-Encoders و Restricted Boltzmann Machines
- در شبکه های اعتقادی عمیق و شبکه های عصبی عمیق شیرجه بزنید
- الگوریتم های یادگیری عمیق بیشتری را با شبکه های عصبی Convolutional و Dropout کشف کنید
- با استراتژی های دستگاه آشنا شوید تا بتوانید از الگوریتم ها و کتابخانه های یادگیری عمیق در دنیای واقعی
این کتاب برای چه کسی است
این کتاب برای پزشکان علوم داده و همچنین مشتاقانی است که درک پایه ای از مفاهیم یادگیری ماشین و برخی برنامه نویسی دارند. تجربه با پایتون پیشینه ریاضی با درک مفهومی حساب دیفرانسیل و انتگرال و آمار نیز مورد نظر است.
فهرست مطالب
- آموزش ماشینی – مقدمه
- شبکه های عصبی< /li>
- مبانی یادگیری عمیق
- آموزش ویژگی های بدون نظارت
- تشخیص تصویر
- شبکه های عصبی تکراری و مدل های زبان
- یادگیری عمیق برای بازی های تخته ای
- آموزش عمیق برای بازی های رایانه ای
- تشخیص ناهنجاری
- ساخت یک سیستم تشخیص نفوذ آماده تولید
توضیحاتی درمورد کتاب به خارجی
Take your machine learning skills to the next level by mastering Deep Learning concepts and algorithms using Python.
Key Features
- 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 more
Book Description
With 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.
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 world
Who This Book Is For
This 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.
Table of Contents
- Machine Learning – An Introduction
- Neural Networks
- Deep Learning Fundamentals
- Unsupervised Feature Learning
- Image Recognition
- Recurrent Neural Networks and Language Models
- Deep Learning for Board Games
- Deep Learning for Computer Games
- Anomaly Detection
- Building a Production-Ready Intrusion Detection System
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Seduced by Science: How American Religion Has Lost Its Way
دانلود کتاب The Berenstain Bears and Baby Makes Five (First Time Books(R))
دانلود کتاب The Ultimate Guide for the Avid Indoorsman: Life Is Better in Here
دانلود کتاب In Stroke's Shadow: My Caregiver Story
