مشخصات کتاب

Python: Advanced Guide to Artificial Intelligence

ویرایش:  
نویسندگان: Bonaccorso. Giuseppe, Fandango. Armando, Shanmugamani. Rajalingappaa  
سری:  
ISBN (شابک) : 9781789957211, 1789957214 
ناشر: Packt Publishing 
سال نشر: 2018;2019 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 94 مگابایت 

کلمات کلیدی مربوط به کتاب Python: راهنمای پیشرفته هوش مصنوعی: پایتون (زبان برنامه کامپیوتری)، کتاب های الکترونیکی

در صورت تبدیل فایل کتاب Python: Advanced 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 Python: راهنمای پیشرفته 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 Python: راهنمای پیشرفته هوش مصنوعی

ابهام زدایی از پیچیدگی تکنیک‌های یادگیری ماشین و ایجاد راه‌حل‌های در حال تکامل و هوشمندانه برای حل مشکلات شما ویژگی‌های کلیدی الگوریتم‌های ML با نظارت، بدون نظارت و نیمه‌نظارت استاد و اجرای آن‌ها ساخت مدل‌های یادگیری عمیق برای تشخیص اشیا، طبقه‌بندی تصویر، یادگیری شباهت، و ساخت بیشتر ، استقرار و مقیاس بندی مدل های شبکه عصبی عمیق سرتاسر در یک محیط تولیدی شرح کتاب این مسیر یادگیری راهنمای کامل شما برای دستیابی سریع به الگوریتم های یادگیری ماشینی محبوب است. شما با پرکاربردترین الگوریتم ها در یادگیری ماشینی تحت نظارت، بدون نظارت و نیمه نظارت آشنا خواهید شد و نحوه استفاده از آنها را به بهترین شکل ممکن خواهید آموخت. از مدل‌های بیزی گرفته تا الگوریتم MCMC تا مدل‌های Hidden Markov، این مسیر یادگیری به شما آموزش می‌دهد که چگونه ویژگی‌ها را از مجموعه داده خود استخراج کنید و با استفاده از کتابخانه‌های مبتنی بر پایتون کاهش ابعاد را انجام دهید. استفاده از TensorFlow و Keras را برای ساختن مدل‌های یادگیری عمیق، با استفاده از مفاهیمی مانند یادگیری انتقال، شبکه‌های متخاصم مولد، و یادگیری تقویتی عمیق به ارمغان خواهید آورد. در مرحله بعد، با ویژگی های پیشرفته TensorFlow1.x، مانند TensorFlow توزیع شده با خوشه های TF، استقرار مدل های تولید با سرویس TensorFlow آشنا خواهید شد. شما تکنیک های مختلف مربوط به طبقه بندی اشیا، تشخیص اشیا، تقسیم بندی تصویر و موارد دیگر را پیاده سازی خواهید کرد. در پایان این مسیر یادگیری، دانش عمیقی در مورد TensorFlow به دست خواهید آورد و شما را به فردی پیشرو برای حل مشکلات هوش مصنوعی تبدیل می کند. تسلط بر TensorFlow 1.x توسط Armando Fandango Deep Learning for Computer Vision توسط Rajalingappaa Shanmugamani آنچه یاد خواهید گرفت کاوش کنید که چگونه یک مدل ML را می توان آموزش، بهینه سازی و ارزیابی کرد کار با رمزگذارهای خودکار و شبکه های متخاصم مولد مهم ترین تکنیک های تقویتی یادگیری پایانی را بررسی کنید. مدل‌های یادگیری عمیق تا پایان (CNN، RNN، و رمزگذارهای خودکار) این کتاب برای چه کسی است This Learning Path برای دانشمندان داده، مهندسان یادگیری ماشین، مهندسان هوش مصنوعی است که می‌خواهند در الگوریتم‌های یادگیری ماشینی پیچیده، کالیبره کردن مدل‌ها و بهبود پیش بینی های مدل آموزش دیده شما با پیچیدگی های پیشرفته و موارد استفاده پیچیده یادگیری عمیق و هوش مصنوعی مواجه خواهید شد. دانش اولیه برنامه نویسی در پایتون و برخی ...

توضیحاتی درمورد کتاب به خارجی

Demystify the complexity of machine learning techniques and create evolving, clever solutions to solve your problems Key Features Master supervised, unsupervised, and semi-supervised ML algorithms and their implementation Build deep learning models for object detection, image classification, similarity learning, and more Build, deploy, and scale end-to-end deep neural network models in a production environment Book Description This Learning Path is your complete guide to quickly getting to grips with popular machine learning algorithms. You'll be introduced to the most widely used algorithms in supervised, unsupervised, and semi-supervised machine learning, and learn how to use them in the best possible manner. Ranging from Bayesian models to the MCMC algorithm to Hidden Markov models, this Learning Path will teach you how to extract features from your dataset and perform dimensionality reduction by making use of Python-based libraries. You'll bring the use of TensorFlow and Keras to build deep learning models, using concepts such as transfer learning, generative adversarial networks, and deep reinforcement learning. Next, you'll learn the advanced features of TensorFlow1.x, such as distributed TensorFlow with TF clusters, deploy production models with TensorFlow Serving. You'll implement different techniques related to object classification, object detection, image segmentation, and more. By the end of this Learning Path, you'll have obtained in-depth knowledge of TensorFlow, making you the go-to person for solving artificial intelligence problems This Learning Path includes content from the following Packt products: Mastering Machine Learning Algorithms by Giuseppe Bonaccorso Mastering TensorFlow 1.x by Armando Fandango Deep Learning for Computer Vision by Rajalingappaa Shanmugamani What you will learn Explore how an ML model can be trained, optimized, and evaluated Work with Autoencoders and Generative Adversarial Networks Explore the most important Reinforcement Learning techniques Build end-to-end deep learning (CNN, RNN, and Autoencoders) models Who this book is for This Learning Path is for data scientists, machine learning engineers, artificial intelligence engineers who want to delve into complex machine learning algorithms, calibrate models, and improve the predictions of the trained model. You will encounter the advanced intricacies and complex use cases of deep learning and AI. A basic knowledge of programming in Python and some un ...

فهرست مطالب

Table of ContentsMachine Learning Model FundamentalsIntroduction to Semi-Supervised LearningGraph-Based Semi-Supervised LearningBayesian Networks and Hidden Markov ModelsEM Algorithm and ApplicationsHebbian Learning and Self-Organizing MapsClustering AlgorithmsAdvanced Neural ModelsClassical Machine Learning with TensorFlowNeural Networks and MLP with TensorFlow and KerasRNN with TensorFlow and KerasCNN with TensorFlow and KerasAutoencoder with TensorFlow and KerasTensorFlow Models in Production with TF ServingDeep Reinforcement LearningGenerative Adversarial NetworksDistributed Models with TensorFlow ClustersDebugging TensorFlow ModelsTensor Processing UnitsGetting StartedImage ClassificationImage RetrievalObject DetectionSemantic SegmentationSimilarity Learning

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Computer arithmetic lectures

دانلود کتاب Copy Fights: The Future of Intellectural Property in the Information Age

دانلود کتاب Linux System Administration

دانلود کتاب English File Intermediate. Workbook with Key

دانلود کتاب Коррозионная стойкость поверхностного сплава Ti-Pd полученного при использовании МИП. Часть II