معرفی و دانلود کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow

معرفی کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow

کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow اثری از اورلین جرون است. این کتاب را می‌توان به‌عنوان راهنمایی جامع و کاربردی برای تمام برنامه‌نویسان دانست که نحوه‌ی کار کردن با ابزارهای نوین تکنولوژی را به آن‌ها می‌آموزد. در سال‌های اخیر، برنامه‌نویسی و زبان پایتون تحولاتی تجربه کرده‌اند و این اثر کوشش دارد تا تغییرات مربوطه را با نثری روان به مخاطبان توضیح دهد. این اثر می‌تواند برای تمام کسانی که در حوزه‌ی تکنولوژی کار می‌کنند مفید باشد.

درباره‌ی کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow

با توجه به مجموعه‌ای از پیشرفت‌های نوینی که در حیطه‌ی تکنولوژی و برنامه‌نویسی رخ داده، یادگیری عمیق توانسته است تمامی زمینه‌های یادگیری ماشین را توسعه دهد. در عصری هستیم که حتی برنامه‌نویسانی که هیچ اطلاعات خاصی در زمینه‌ی تکنولوژی و یادگیری عمیق ندارند، می‌توانند از ابزارهای ساده و کاربردی آن به منظور اجرای برنامه‌های موردنظر خود که واجد قابلیت‌های یادگیری از داده هستند، استفاده کنند. کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow (Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow) تألیف اورلین جرون (Aurélien Géron)، به برنامه‌نویسان فرایندهای استفاده از ابزارهای موجود و یادگیری عمیق را به‌ طور کامل آموزش می‌دهد.

اورلین جرون در کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow سعی دارد به مخاطبان یاد دهد که چگونه با سیستم‌های هوشمند کار کنند و یک درک بصری از مفاهیم و ابزارهای ساخت در زمینه‌ی مربوطه ارائه می‌دهد. این کتاب از مثال‌های عینی بهره می‌برد و تلاش می‌کند با ارائه‌ی مجموعه‌ای از اطلاعات آموزشی و کاربردی، مسیر برنامه‌نویسی و کار با سیستم هوشمند را برای مخاطبان سهل و ساده کند. در کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow نوشته‌ی اورلین جرون کوشش می‌شود تا مخاطبان به‌ طور خلاصه و فشرده به شناختی از مباحث نظری در حوزه‌ی سیستم هوشمند و یادگیری عمیق دست یابند.

باید گفت که این کتاب مطالب را در قالبی مینیمال به‌ مخاطبان ارائه می‌دهد و برآن است تا فقط اطلاعات کلیدی و اساسی را به مخاطبان آموزش دهد. در این کتاب آموزشی و راه‌گشا، شما با گستره‌ی وسیعی از مطالب آشنا می‌شوید که از میانشان می‌توان به شناخت رگرسیون خطی و شبکه‌های عصبی عمیق اشاره کرد. این کتاب توسط مهدی اسماعیلی ترجمه شده و انتشارات آتی‌نگر آن را عرضه کرده است.

کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow برای چه کسانی مناسب است؟

مطالعه‌ی این اثر به کسانی که می‌خواهند در باب هوش مصنوعی، یادگیری عمیق و برنامه‌نویسی با زبان پایتون بدانند، پیشنهاد می‌شود.

در بخشی از کتاب یادگیری ژرف (عمیق) عملی با Keras و TensorFlow می‌خوانیم

از پرسپترون چندلایه می‌توان برای رگرسیون استفاده کرد. می‌خواهید در پیش‌بینی خود تنها یک مقدار داشته باشید (برای مثال پیش‌بینی قیمت مسکن با کمک تعدادی از ویژگی‌ها)، لازم است در لایه خروجی شبکه تنها از یک نورون استفاده کنید، نورونی که خروجی آن مقدار پیش‌بینی شده است. برای رگرسیون چند متغیره (به‌عنوان مثال برای پیش‌بینی مقادیر متعدد به‌طور همزمان)، برای هر بعد خروجی به یک نورون خروجی نیاز دارید. به‌عنوان مثال برای مکان یابی یک شیء در یک تصویر، لازم است مختصات دو بعدی شیء پیش‌بینی شود، بنابراین به دو نورون خروجی نیاز دارید. اگر مایلید اطراف شیء مذکور را با یک بلوک مستطیل شکل مشخص کنید، به دو عدد دیگر نیاز دارید: طول و عرض شیء. بنابراین شما در خروجی شبکه با تعداد چهار نورون روبه‌رو خواهید بود.

فهرست مطالب کتاب

پیشگفتار
فصل 1: چشم‌انداز یادگیری ماشین
فصل 2: آموزش شبکه‌های عصبی عمیق
فصل 3: مدل‌های سفارشی و آموزشی با TensorFlow
فصل 4: بارگذاری و پیش پردازش داده‌ها با TensorFlow
فصل 5: بینایی ماشین با استفاده از شبکه‌های عصبی کانولوشن
فصل 6: پردازش توالی‌ها با استفاده از RNN و CNN
فصل 7: پردازش زبان طبیعی با RNN و مولفه توجه
فصل 8: یادگیری بازنمایی و یادگیری مولد با استفاده از خود رمزگذارها و GAN
فصل 9: یادگیری تقویتی
فصل 10: آموزش و استقرار مدل‌های TensorFlow
پیوست الف: حل تمرین‌ها
پیوست ب: دیگر معماری‌های محبوب ANN
پیوست ج: گراف‌ها TensorFlow