برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب R Deep Learning Essentials

دانلود کتاب R ملزومات یادگیری عمیق

مشخصات کتاب

R Deep Learning Essentials

دسته بندی: الگوریتم ها و ساختارهای داده
ویرایش:  
نویسندگان: Joshua F. Wiley  
سری:  
ISBN (شابک) : 9781785280580 
ناشر: Packt Publishing 
سال نشر: 2016 
تعداد صفحات: 233 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 57,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 13

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

ساخت مدل‌های طبقه‌بندی و پیش‌بینی خودکار با استفاده از یادگیری بدون نظارت درباره این کتاب- توانایی ساخت الگوریتم‌هایی برای داده‌های بدون نظارت با استفاده از مفاهیم یادگیری عمیق با R- مسلط به مشکلات رایجی که با آن‌ها مواجه می‌شوند مانند بیش از حد برازش داده‌ها، مجموعه داده‌های غیرعادی، تشخیص تصویر، و تنظیم عملکرد در حین ساخت مدل‌ها- مدل‌های مربوط به شبکه‌های عصبی، پیش‌بینی و پیش‌بینی عمیق را بسازید که این کتاب برای چه کسی است، به دانشمندان داده مشتاقی که به خوبی با مفاهیم یادگیری ماشین با R آشنا هستند و به دنبال کشف الگوی یادگیری عمیق با استفاده از بسته‌های موجود در R هستند، پاسخ می‌دهد. شما باید درک اساسی از زبان R داشته باشید و با الگوریتم‌های آماری و تکنیک‌های یادگیری ماشین راحت باشید، اما نیازی نیست که با مفاهیم یادگیری عمیق آشنا باشید. مدل‌ها- مفاهیم اصلی مدل‌های یادگیری عمیق را درک کنید- از رمزگذارهای خودکار برای شناسایی استفاده کنید داده‌های غیرعادی یا پرت- پیش‌بینی یا طبقه‌بندی خودکار داده‌ها با استفاده از شبکه‌های عصبی عمیق- ساخت مدل‌های قابل تعمیم با استفاده از منظم‌سازی برای جلوگیری از برازش بیش از حد داده‌های آموزشی. یادگیری DetailDeep شاخه‌ای از یادگیری ماشینی است که بر اساس مجموعه‌ای از الگوریتم‌ها تلاش می‌کند تا انتزاعات سطح بالا را مدل‌سازی کند. داده ها با استفاده از معماری مدل موتور H2O با مدیریت حافظه فوق العاده و ادغام کامل با پلتفرم های داده های بزرگ چند گره، روز به روز محبوبیت بیشتری در بین دانشمندان داده در زمینه یادگیری عمیق پیدا کرده است. این کتاب شما را با بسته یادگیری عمیق H2O با R و به شما در درک مفاهیم یادگیری عمیق کمک می کند.

توضیحاتی درمورد کتاب به خارجی

Build automatic classification and prediction models using unsupervised learningAbout This Book- Harness the ability to build algorithms for unsupervised data using deep learning concepts with R- Master the common problems faced such as overfitting of data, anomalous datasets, image recognition, and performance tuning while building the models- Build models relating to neural networks, prediction and deep predictionWho This Book Is ForThis book caters to aspiring data scientists who are well versed with machine learning concepts with R and are looking to explore the deep learning paradigm using the packages available in R. You should have a fundamental understanding of the R language and be comfortable with statistical algorithms and machine learning techniques, but you do not need to be well versed with deep learning concepts.What You Will Learn- Set up the R package H2O to train deep learning models- Understand the core concepts behind deep learning models- Use Autoencoders to identify anomalous data or outliers- Predict or classify data automatically using deep neural networks- Build generalizable models using regularization to avoid overfitting the training dataIn DetailDeep learning is a branch of machine learning based on a set of algorithms that attempt to model high-level abstractions in data by using model architectures. With the superb memory management and the full integration with multi-node big data platforms, the H2O engine has become more and more popular among data scientists in the field of deep learning.This book will introduce you to the deep learning package H2O with R and help you understand the concepts of deep learning.