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: Jibin Mathew
سری:
ISBN (شابک) : 9781838558291
ناشر: Packt
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب PyTorch Artificial Intelligence Fundamentals 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 مبانی هوش مصنوعی PyTorch 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.
محبوبیت هوش مصنوعی (AI) همچنان در حال افزایش است و طیف گسترده ای از دامنه ها را مختل می کند، اما موضوعی پیچیده و دلهره آور است. در این کتاب، با ساخت اپلیکیشنهای یادگیری عمیق و نحوه استفاده از PyTorch برای تحقیق و حل مشکلات دنیای واقعی آشنا خواهید شد. این کتاب از یک رویکرد مبتنی بر دستور العمل استفاده می کند، که با اصول دستکاری تانسور شروع می شود، قبل از پوشش شبکه های عصبی کانولوشن (CNN) و شبکه های عصبی تکراری (RNN) در PyTorch. هنگامی که با این شبکه های اولیه آشنا شدید، با استفاده از یادگیری عمیق یک طبقه بندی کننده تصویر پزشکی خواهید ساخت. در مرحله بعد، از TensorBoard برای تجسم استفاده خواهید کرد. همچنین قبل از اینکه در نهایت مدلهای خود را برای تولید در مقیاس تولید کنید، به شبکههای متخاصم مولد (GANs) و یادگیری تقویتی عمیق (DRL) خواهید پرداخت. راهحلهایی برای مشکلات رایج در یادگیری ماشین، یادگیری عمیق و یادگیری تقویتی کشف خواهید کرد. شما یاد خواهید گرفت که وظایف هوش مصنوعی را پیاده سازی کنید و با مشکلات دنیای واقعی در بینایی کامپیوتر، پردازش زبان طبیعی (NLP) و سایر حوزه های دنیای واقعی مقابله کنید. در پایان این کتاب، شما پایه های مهم ترین و پرکاربردترین تکنیک ها در هوش مصنوعی را با استفاده از چارچوب PyTorch خواهید داشت.
Artificial Intelligence (AI) continues to grow in popularity and disrupt a wide range of domains, but it is a complex and daunting topic. In this book, you'll get to grips with building deep learning apps, and how you can use PyTorch for research and solving real-world problems. This book uses a recipe-based approach, starting with the basics of tensor manipulation, before covering Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs) in PyTorch. Once you are well-versed with these basic networks, you'll build a medical image classifier using deep learning. Next, you'll use TensorBoard for visualizations. You'll also delve into Generative Adversarial Networks (GANs) and Deep Reinforcement Learning (DRL) before finally deploying your models to production at scale. You'll discover solutions to common problems faced in machine learning, deep learning, and reinforcement learning. You'll learn to implement AI tasks and tackle real-world problems in computer vision, natural language processing (NLP), and other real-world domains. By the end of this book, you'll have the foundations of the most important and widely used techniques in AI using the PyTorch framework.