معرفی و دانلود کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras
برای دانلود قانونی کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras و دسترسی به هزاران کتاب و کتاب صوتی دیگر، اپلیکیشن کتابراه را رایگان نصب کنید.
معرفی کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras
کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras نوشتهی آمیتا کاپور، آنتونیو گولی و سوجیت پال یک منبع آموزشی کاربردی است که به خوانندگان میآموزد چگونه از TensorFlow و Keras بهره بگیرند و بر این اساس برنامههایی را بنویسند و پیاده کنند تا بتوانند از دادهها بیاموزند.
دربارهی کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras
کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras (Deep Learning with TensorFlow and Keras) نوشتهی آمیتا کاپور (Amita Kapoor)، آنتونیو گولی (Antonio Gulli) و سوجیت پال (Sujit Pal)، یک منبع آموزشی کاربردی است که خواننده را با موضوع یادگیری ژرف و چگونگی استفاده از TensorFlow و Keras برای این هدف، آشنا میکند. نویسندگان در این کتاب به حوزهی یادگیری ژرف که از زیرشاخههای دانش هوش مصنوعی است، پرداختهاند.
آنان با مبنا قرار دادن TensorFlow و Keras، شبکههای عصبی و تکنیکهای یادگیری ژرف را به مخاطبان خواهند آموخت و این توان را در آنان ایجاد خواهند کرد که بتوانند برنامههای یادگیری ژرف را در قدرتمندترین، محبوبترین و مقیاسپذیرترین پشتهی یادگیری ماشینی موجود بنویسند. آنان در این کتاب سهولت استفاده و کاربردی بودن مطالب را معیار خود قرار دادهاند. همچنین از بهروزترین و جدیدترین ویژگیهای TensorFlow و Keras در این کتاب بهره بردهاند.
کتاب حاضر قطعه کدهای زیادی را در خود دارد که خوانندگان میتوانند از تمامی آنها در پروژههای عملیشان استفاده کنند. البته برای استفاده از این کدها، داشتن دانش پایه در زبان Python الزامی است. نکتهی دیگر آنکه، مترجمان کتاب تلاش کردهاند تا به شیوهای ساده و آسان متن را ترجمه کنند تا استفاده از آن برای خوانندگان دشوار نباشد.
کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras نوشتهی آمیتا کاپور، آنتونیو گولی و سوجیت پال توسط دکتر مهدی اسماعیلی و مهندس احمد بادپی ترجمه شده و در نشر آتینگر به چاپ رسیده است.
نکوداشتهای کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras
- دستیافتنی، نوشتهشده با قلمی عالی، و متعادل در نظریه و کاربرد. مقدمهای بسیار لذتبخش در یادگیری ماشینی برای توسعهدهندگان نرمافزار. (فرانسوا شوله، سازندهی Keras)
- این کتاب بهخوبی بر جنبهی کاربردی بسیاری از انواع شبکههای عصبی تمرکز دارد. خوانندگان میتوانند کد واقعی پایتون را در این کتاب ببینند که هریک از انواع NN را پیادهسازی میکند. کد همیشه بسیار ساده و خوانا نگه داشته میشود و کاملاً قابل استفاده است. کتاب حاضر بیشتر به عنوان سکوی پرشی برای اهداف خاص خواننده مفید است. (الکس مارتلی، عضو بنیاد نرمافزار پایتون)
کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras برای چه کسانی مناسب است؟
کتاب حاضر برای برنامهنویسان، دانشجویان و فعالان در رشتهی کامپیوتر و علاقهمندان به مباحث هوش مصنوعی و یادگیری ماشینی مناسب و کاربردی است.
در بخشی از کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras میخوانیم
این یادگیری از طریق انتزاع پیشرونده شبیه به مدلهای بینایی است که طی میلیونها سال در مغز اسان تکامل یافته است. در واقع سیستم بینایی انسان در لایههای مختلفی سازماندهی شده است. ابتدا چشمان ما به ناحیهای از مغز قشر بینایی متصل میشوند که در قسمت عقبی و پایین مغز ما قرار دارد. این ناحیه برای بسیاری از پستانداران مشترک است و نقش تمایز و ویژگیهای اساسی مانند تغییرات کوچک در جهت بصری، فرکانسهای فضایی و رنگها را دارد.
فهرست مطالب کتاب
فصل 1: اصول شبکههای عصبی با TF
فصل 2: رگرسیون و طبقهبندی
فصل 3: شبکههای عصبی کانولوشن
فصل 4: جایگزین واژهها
فصل 5: شبکههای عصبی برگشتی
فصل 6: ترانسفورمرها
فصل 7: یادگیری بیناظر
فصل 8: خودرمزگذارها
فصل 9: مدلهای مولد
فصل 10: یادگیری خودناظر
فصل 11: یادگیری تقویتی
فصل 12: Probabilistic TensorFlow
فصل 13: مقدمهای بر AutoML
فصل 14: ریاضیات یادگیری ژرف
فصل 15: واحد پردازش تنسور
فصل 16: کتابخانههای مفید دیگر برای یادگیری ژرف
فصل 17: شبکههای عصبیگرافی
فصل 18: بهروشهای یادگیری ماشین
فصل 19: اکوسیستم 2 TensorFlow
فصل 20: شبکههای عصبی کانولوشن پیشرفته
مشخصات کتاب الکترونیک
نام کتاب | کتاب مرجع کاربردی یادگیری ژرف با TensorFlow و Keras |
نویسنده | آمیتا کاپور، سوجیت پال، آنتونیو گولی |
مترجم | مهدی اسماعیلی، احمد بادپی |
ناشر چاپی | انتشارات آتی نگر |
سال انتشار | ۱۴۰۲ |
فرمت کتاب | |
تعداد صفحات | 707 |
زبان | فارسی |
شابک | 978-622-8245-07-2 |
موضوع کتاب | کتابهای هوش مصنوعی |