مشخصات کتاب

TensorFlow Deep Learning Projects

ویرایش:  
نویسندگان: Abhishek Thakur,  Alexey Grigorev,  Alberto Boschetti,  Luca Massaron  
سری:  
ISBN (شابک) : 9781788398060, 1788398068 
ناشر: PACKT Publishing Limited 
سال نشر: 2018 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 24 مگابایت 

در صورت تبدیل فایل کتاب TensorFlow 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 پروژه های یادگیری عمیق TensorFlow 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 پروژه های یادگیری عمیق TensorFlow

ویژگی‌های کلیدی پروژه‌های پیاده‌سازی مدل‌های یادگیری عمیق با کارایی بالا با Tensorflow بر تکنیک‌های آموزش انواع شبکه‌های عصبی با موارد استفاده در دنیای واقعی مانند پردازش تصویر، پردازش زبان طبیعی و موارد دیگر مسلط است. راهنمای یک مرحله‌ای شما برای تسلط بر یادگیری عمیق با Tensorflow به بهترین شکل ممکن شرح کتاب Tensorflow یکی از محبوب ترین فریم ورک های موجود است که برای یادگیری ماشینی و اخیراً یادگیری عمیق استفاده می شود. این یک چارچوب سریع و کارآمد برای آموزش انواع مختلف مدل های یادگیری عمیق با دقت بسیار بالا ارائه می دهد. این کتاب راهنمای شما برای تسلط بر یادگیری عمیق با تنسورفلو، با کمک 12 پروژه واقعی است. با راه اندازی محیط تنسورفلو مناسب برای یادگیری عمیق، خواهید دید که چگونه می توانید انواع مختلف مدل های یادگیری عمیق را با استفاده از تنسورفلو آموزش دهید - از جمله شبکه های عصبی کانولوشن، شبکه های عصبی تکراری، LSTM و موارد دیگر. در حین انجام این کار، راه‌حل‌های یادگیری عمیق سرتاسری را برای مقابله با مشکلات مختلف دنیای واقعی در پردازش تصویر، هوش مصنوعی سازمانی، پردازش زبان طبیعی، به نام چند مورد ایجاد خواهید کرد. شما مدل‌های با کارایی بالا را آموزش می‌دهید تا به‌طور خودکار برای تصاویر زیرنویس ایجاد کنید، عملکرد سهام را پیش‌بینی کنید، چت‌بات‌های هوشمند ایجاد کنید، طبقه‌بندی متن در مقیاس بزرگ و موارد دیگر را انجام دهید. برخی از جنبه های پیشرفته مانند پیاده سازی در مقیاس سازمانی و یادگیری تقویتی نیز در این کتاب پوشش داده شده است. در پایان این کتاب، شما بر تمام مفاهیم یادگیری عمیق و اجرای آنها با Tensorflow تسلط خواهید داشت - و قادر خواهید بود بسازید و با Tensorflow مدل های یادگیری عمیق خود را آموزش دهید تا با هر نوع مشکلی مقابله کنید. آنچه یاد خواهید گرفت محیط Tensorflow را برای یادگیری عمیق تنظیم کنید شبکه های ارتباطی خود را برای پردازش تصویر موثر بسازید از LSTM ها برای تولید زیرنویس برای تصاویر استفاده کنید پیش بینی سهام به طور دقیق با معماری LSTM با شناسایی سوالات تکراری Quora یک نمونه AWS برای محاسبات توزیع‌شده با Tensorflow برای طبقه‌بندی مقادیر زیادی از Images Train راه‌اندازی کنید و یک ربات چت هوشمند برای درک و تفسیر ورودی انسان راه‌اندازی کنید. یک هوش مصنوعی بسازید که بتواند Pacman را به تنهایی بازی کند و برنده شود.

توضیحاتی درمورد کتاب به خارجی

Key Features Projects on implementing high performance deep learning models with Tensorflow Master the techniques to train different kinds of neural networks with real-world use-cases such as image processing, natural language processing, and more Your one-stop guide to master deep learning with Tensorflow in the best possible manner Book DescriptionTensorflow is one of the most popular frameworks out there, used for machine learning and more recently, deep learning. It provides a fast, efficient framework for training different kinds of deep learning models, with very high accuracy. This book is your guide to master deep learning with Tensorflow, with the help of 12 real-world projects.Starting with setting up the right Tensorflow environment for deep learning, you will see how you can train different types of deep learning models using Tensorflow - including Convolutional Neural Networks, Recurrent Neural Networks, LSTMs, and more. While doing so, you will build end-to-end deep learning solutions to tackle different real-world problems in image processing, enterprise AI, natural language processing, to name a few. You will train high performance models to generate captions for images automatically, predict stocks performance, create intelligent chatbots, perform large-scale text classification and more. Some advanced aspects like implementation on an enterprise-scale and reinforcement learning are also covered in this book.By the end of this book, you will have mastered all the concepts of deep learning and their implementation with Tensorflow - and will be able to build and train your own deep learning models with Tensorflow to tackle any kind of problem.What you will learn Set up the Tensorflow environment for deep learning Construct your own convnets for effective image processing Use LSTMs for caption generation for images Forecast stock prediction accurately with a LSTM architecture Learn what semantic matching is by detecting duplicate Quora questions Set up an AWS instance for distributed computing with Tensorflow to classify large amounts of Images Train and set up an intelligent chatbot to understand and interpret human input Build an AI capable of playing Pacman by itself and winning

فهرست مطالب

IoT ecosystems, deep learning techniques and frameworks. The end-to-end life cycle of the IoT --
Deep learning architectures for IoT --
Hands-on deep learning application development for IoT. --
Image recognition in IoT --
Audio/speech/voice recognition in IoT --
Indoor localization in IoT --
Physiological and psychological state detection in IoT --
IoT security --
Advanced aspects and analytics in IoT. Predictive maintenance for IoT --
Deep learning in healthcare IoT --
What's next - wrapping up and future directions --
References.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب The Biology of Scorpions

دانلود کتاب Keynes, post-Keynesianism and political economy

دانلود کتاب Security and Trust Management: 6th International Workshop, STM 2010, Athens, Greece, September 23-24, 2010, Revised Selected Papers

دانلود کتاب Hidden Hemingway: Inside the Ernest Hemingway Archives of Oak Park

دانلود کتاب Mathematical Modelling in Real Life Problems: Case Studies from ECMI-Modelling Weeks