|
مشخصات كتاب
|
|
|
ياد گيري عميق با زبان برنامه نويسي پايتون TensorFLOW |
|
موضوع: |
|
|
|
پديدآورنده: |
|
|
|
ناشر: |
|
|
|
(در1جلد ) - جلد 1 - وزيري (شوميز) - چاپ 1 - 100 نسخه |
|
978-600-473-173-7 |
|
تاريخ نشر:1398 |
|
قيمت :550000 ريال |
|
قيمت انتشارات ناقوس :467500 ريال |
|
موجود نيست |
|
چکيده :
تنسورفلو در يادگيري عميق
اين كتاب شما را با اصول اوليه يادگيري ماشين توسط تنسورفلو آشنا مي¬كند. تنسورفلو كتابخانه نرم¬افزاري جديد شركت گوگل براي يادگيري عميق است كه طراحي و پياده¬سازي ساختار¬هاي عميق پيچيده را سهولت مي¬بخشد. شما با چگونگي استفاده از تنسورفلو براي ساخت سيستم¬هايي باقابليت تشخيص اشياء در تصاوير و درك متون نوشته‌شده توسط انسان آشنا خواهيد شد. همچنين، دركي از تنسورفلو به عنوان سيستمي باقابليت اجراي محاسبات تنسوري به دست مي¬آوريد و ياد مي¬گيريد چگونه از تنسورفلو براي حل مسائلي خارج از حوزه مرسوم يادگيري ماشين استفاده كنيد.
لازم به ذكر است كه كتاب "يادگيري عميق با زبان برنامه¬نويسي پايتون (TensorFlow)" يكي از اولين كتاب¬هاي منتشر شده در مورد يادگيري عميق براي شاغلين اين حوزه است. اين كتاب، مفاهيم پايه¬اي را از طريق ارائه مثال¬هاي كاربردي، آموزش داده و دركي از اصول پايه¬اي يادگيري ماشين ايجاد مي¬كند. مخاطب اصلي اين كتاب، آن دسته از توسعه¬دهنده¬هاي علاقه¬مند به يادگيري هستند كه با طراحي سيستم¬هاي نرم¬افزاري آشنا هستند، اما درك درستي از سيستم¬هاي يادگيري ندارند. در اين حين، از حساب و جبر اندكي بهره مي¬بريم اما جاي نگراني نيست، چرا كه تمامي مفاهيم و اصول مورد نياز آن را تشريح مي¬كنيم. طبق پيش¬بيني¬هاي ما، اين كتاب براي دانشجويان و ساير متخصصين كه توانايي برنامه¬نويسي دارند، اما در طراحي الگوريتم¬هاي يادگيري عميق حرفه¬اي نيستند، مفيد خواهد بود.
• اصول اوليه تنسورفلو را به همراه انجام محاسباتي ساده ياد بگيريد.
• سيستم¬¬هاي يادگيري ساده¬اي بسازيد تا مفاهيم رياضي را درك كنند.
• با شبكه¬هاي عميق كاملاً متصل كه كاربردهاي مختلفي دارند بيشتر آشنا شويد.
• نمونه¬هاي اوليه را از طريق بهينه¬سازي ابرپارامترها به مدل¬هاي با كيفيت تبديل كنيد.
• توسط شبكه¬هاي عصبي پيچشي، تصاوير را پردازش كنيد.
• مجموعه داده¬هاي زبان را توسط شبكه¬هاي عصبي بازگشتي مديريت كنيد.
• از يادگيري تقويتي براي حل بازي¬هايي مانند X-O استفاده كنيد.
• يادگيري شبكه¬¬ها را توسط سخت¬افزارهايي مانند GPU يا TPU انجام دهيد.
|
 |