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: Yuxi (Hayden) Liu. Pablo Maldonado
سری:
ISBN (شابک) : 9781788478403
ناشر: Packt
سال نشر: 2018
تعداد صفحات: 245
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب R Deep Learning Projects 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 پروژه های 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.
Contents......Page 3
Preface......Page 6
Handwritten Digit Recognition using Convolutional Neural Networks......Page 10
What is deep learning and why do we need it?......Page 11
Handwritten digit recognition using CNNs......Page 20
Summary......Page 56
Traffic Sign Recognition for Intelligent Vehicles......Page 58
How is deep learning applied in self-driving cars?......Page 59
Traffic sign recognition using CNN......Page 62
Dealing with a small training set – data augmentation......Page 94
Reviewing methods to prevent overfitting in CNNs......Page 100
Summary......Page 101
Fraud Detection with Autoencoders......Page 102
Getting ready......Page 105
Our first examples......Page 107
Credit card fraud detection with autoencoders......Page 120
Variational Autoencoders......Page 132
Text fraud detection......Page 141
Summary......Page 149
Text Generation using Recurrent Neural Networks......Page 150
What is so exciting about recurrent neural networks?......Page 151
RNNs from scratch in R......Page 158
RNN using Keras......Page 186
Summary......Page 195
Sentiment Analysis with Word Embeddings......Page 196
Warm-up – data exploration......Page 197
Bag of words benchmark......Page 207
Word embeddings......Page 213
Sentiment analysis from movie reviews......Page 216
Mining sentiment from Twitter......Page 236
Summary......Page 241
Index......Page 242