مشخصات کتاب

R Deep Learning Essentials

ویرایش: 2nd Edition 
نویسندگان: Wiley. Joshua F, Mark Hodnett  
سری:  
ISBN (شابک) : 9781788992893, 9781788997805 
ناشر: Packt Publishing 
سال نشر: 2018 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت 

کلمات کلیدی مربوط به کتاب R ملزومات یادگیری عمیق: داده کاوی، یادگیری ماشین، R (زبان برنامه کامپیوتری)، کتاب های الکترونیکی

در صورت تبدیل فایل کتاب R Deep Learning Essentials 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 R ملزومات یادگیری عمیق 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 R ملزومات یادگیری عمیق

پیاده‌سازی مدل‌های شبکه عصبی در R 3.5 با استفاده از TensorFlow، Keras و MXNet ویژگی‌های کلیدی استفاده از R 3.5 برای ساخت مدل‌های یادگیری عمیق برای دید رایانه و متن استفاده از تکنیک‌های یادگیری عمیق در ابر برای پردازش در مقیاس بزرگ ساخت، آموزش و بهینه‌سازی مدل‌های شبکه عصبی در مجموعه‌ای از مجموعه‌های داده شرح کتاب یادگیری عمیق زیرمجموعه قدرتمندی از یادگیری ماشینی است که در حوزه‌هایی مانند بینایی کامپیوتر و پردازش زبان طبیعی (NLP) بسیار موفق است. این نسخه دوم R Deep Learning Essentials دروازه‌های ورود به دنیای شبکه‌های عصبی را با ساخت مدل‌های یادگیری عمیق قدرتمند با استفاده از اکوسیستم R باز می‌کند. این کتاب شما را با اصول اولیه یادگیری عمیق آشنا می کند و به شما یاد می دهد که یک مدل شبکه عصبی را از ابتدا بسازید. همانطور که راه خود را در کتاب طی می کنید، کتابخانه های یادگیری عمیق، مانند Keras، MXNet، و TensorFlow را کشف خواهید کرد و مدل های یادگیری عمیق جالب را برای انواع کارها و مشکلات، از جمله داده های ساختار یافته، بینایی کامپیوتر، داده های متنی، ناهنجاری ایجاد می کنید. سیستم های تشخیص و توصیه شما موضوعات پیشرفته ای را پوشش خواهید داد، مانند شبکه های متخاصم مولد (GAN)، یادگیری انتقالی، و یادگیری عمیق در مقیاس بزرگ در فضای ابری. در فصول پایانی با مفاهیم نظری پروژه های یادگیری عمیق مانند بهینه سازی مدل، برازش بیش از حد و افزایش داده ها همراه با سایر مباحث پیشرفته آشنا خواهید شد. در پایان این کتاب، شما کاملا آماده و قادر خواهید بود مفاهیم یادگیری عمیق را در کار یا پروژه های تحقیقاتی خود پیاده سازی کنید. آنچه یاد خواهید گرفت ساخت مدل‌های پیش‌بینی شبکه عصبی کم‌عمق جلوگیری از تطبیق بیش از حد داده‌ها در مدل‌ها برای بهبود تعمیم‌پذیری. بررسی تکنیک‌هایی برای یافتن بهترین فراپارامترها برای مدل‌های یادگیری عمیق ایجاد مدل‌های NLP با استفاده از Keras و TensorFlow در R استفاده از یادگیری عمیق برای وظایف بینایی رایانه پیاده‌سازی وظایف یادگیری عمیق مانند NLP، سیستم های توصیه و رمزگذارهای خودکار این کتاب برای چه کسی است این ویرایش دوم R Deep Learning Essentials برای دانشمندان مشتاق داده، تحلیلگران داده، توسعه دهندگان یادگیری ماشین و علاقه مندان به یادگیری عمیق است که به خوبی در مفاهیم یادگیری ماشینی آشنا هستند و به دنبال کشف پارادایم یادگیری عمیق با استفاده از R. درک بنیادی زبان R برای استفاده حداکثری از این کتاب ضروری است. دانلود کد نمونه برای این کتاب می توانید فایل های کد نمونه را برای همه کتاب های Packt که خریداری کرده اید از حساب کاربری خود در http://w ... دانلود کنید.

توضیحاتی درمورد کتاب به خارجی

Implement neural network models in R 3.5 using TensorFlow, Keras, and MXNet Key Features Use R 3.5 for building deep learning models for computer vision and text Apply deep learning techniques in cloud for large-scale processing Build, train, and optimize neural network models on a range of datasets Book Description Deep learning is a powerful subset of machine learning that is very successful in domains such as computer vision and natural language processing (NLP). This second edition of R Deep Learning Essentials will open the gates for you to enter the world of neural networks by building powerful deep learning models using the R ecosystem. This book will introduce you to the basic principles of deep learning and teach you to build a neural network model from scratch. As you make your way through the book, you will explore deep learning libraries, such as Keras, MXNet, and TensorFlow, and create interesting deep learning models for a variety of tasks and problems, including structured data, computer vision, text data, anomaly detection, and recommendation systems. You'll cover advanced topics, such as generative adversarial networks (GANs), transfer learning, and large-scale deep learning in the cloud. In the concluding chapters, you will learn about the theoretical concepts of deep learning projects, such as model optimization, overfitting, and data augmentation, together with other advanced topics. By the end of this book, you will be fully prepared and able to implement deep learning concepts in your research work or projects. What you will learn Build shallow neural network prediction models Prevent models from overfitting the data to improve generalizability Explore techniques for finding the best hyperparameters for deep learning models Create NLP models using Keras and TensorFlow in R Use deep learning for computer vision tasks Implement deep learning tasks, such as NLP, recommendation systems, and autoencoders Who this book is for This second edition of R Deep Learning Essentials is for aspiring data scientists, data analysts, machine learning developers, and deep learning enthusiasts who are well versed in machine learning concepts and are looking to explore the deep learning paradigm using R. Fundamental understanding of the R language is necessary to get the most out of this book. Downloading the example code for this book You can download the example code files for all Packt books you have purchased from your account at http://w ...

فهرست مطالب

Content: Table of ContentsHandwritten Digit Recognition using Convolutional Neural NetworksTraffic Signs Recognition for Intelligent Vehicles Fraud Detection with AutoencodersText Generation using Recurrent Neural NetworksSentiment Analysis with Word Embedding

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Grammatica essenziale della lingua Italiana con esercizi / Грамматика итальянского языка с упражнениями

دانلود کتاب Jenkins Essentials

دانلود کتاب Kundenkompetenzen als Determinanten der Kundenbindung: Eine empirische Kausalanalyse am Beispiel der TV-Versorgung von Privatkunden

دانلود کتاب Aztatlan Historia Y Arqueologia De Durango

دانلود کتاب Tremplin maths : pour la 6e : cahier d'activités