کتاب Practical Deep Learning: A Python-Based Introduction

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 5,280,000 ریال

قیمت: 4,880,000 ریال

Product details

ASIN ‏ : ‎ B085BVZ9CK
Publisher ‏ : ‎ No Starch Press (March 16, 2021)
Publication date ‏ : ‎ March 16, 2021
Language ‏ : ‎ English
Print length ‏ : ‎ 448 pages

Practical Deep Learning teaches total beginners how to build the datasets and models needed to train neural networks for your own DL projects.

If you’ve been curious about machine learning but didn’t know where to start, this is the book you’ve been waiting for. Focusing on the subfield of machine learning known as deep learning, it explains core concepts and gives you the foundation you need to start building your own models. Rather than simply outlining recipes for using existing toolkits, Practical Deep Learning teaches you the why of deep learning and will inspire you to explore further.

All you need is basic familiarity with computer programming and high school math—the book will cover the rest. After an introduction to Python, you’ll move through key topics like how to build a good training dataset, work with the scikit-learn and Keras libraries, and evaluate your models’ performance.

You’ll also learn:

   • How to use classic machine learning models like k-Nearest Neighbors, Random Forests, and Support Vector Machines
   • How neural networks work and how they’re trained
   • How to use convolutional neural networks
   • How to develop a successful deep learning model from scratch
You’ll conduct experiments along the way, building to a final case study that incorporates everything you’ve learned.

The perfect introduction to this dynamic, ever-expanding field, Practical Deep Learning will give you the skills and confidence to dive into your own machine learning projects.

منابع کتاب کتاب Practical Deep Learning: A Python-Based Introduction

یادگیری عمیق عملی به افراد مبتدی می آموزد که چگونه مجموعه داده ها و مدل های مورد نیاز برای آموزش شبکه های عصبی برای پروژه های DL خود را بسازند.

اگر در مورد یادگیری ماشین کنجکاو بودید اما نمی دانستید از کجا شروع کنید، این کتابی است که منتظرش بودید. با تمرکز بر حوزه فرعی یادگیری ماشینی که به عنوان یادگیری عمیق شناخته می شود، مفاهیم اصلی را توضیح می دهد و پایه و اساس لازم برای شروع ساخت مدل های خود را در اختیار شما قرار می دهد. آموزش عمیق عملی به جای تشریح دستور العمل های ساده برای استفاده از جعبه ابزار موجود، به شما می آموزد که چرا یادگیری عمیق را انجام دهید و شما را برای کشف بیشتر ترغیب می کند.

تنها چیزی که نیاز دارید آشنایی اولیه با برنامه نویسی کامپیوتر و ریاضی دبیرستان است—کتاب بقیه موارد را پوشش خواهد داد. پس از مقدمه‌ای بر پایتون، موضوعات کلیدی مانند نحوه ایجاد یک مجموعه داده آموزشی خوب، کار با کتابخانه‌های scikit-learn و Keras و ارزیابی عملکرد مدل‌های خود را مرور خواهید کرد.

همچنین یاد خواهید گرفت:

• نحوه استفاده از مدل‌های یادگیری ماشین کلاسیک مانند k-نزدیک‌ترین همسایه‌ها، جنگل‌های تصادفی، و ماشین‌های بردار پشتیبانی

• شبکه های عصبی چگونه کار می کنند و چگونه آموزش داده می شوند

• نحوه استفاده از شبکه های عصبی کانولوشنال

• چگونه از ابتدا یک مدل یادگیری عمیق موفق ایجاد کنیم

در طول مسیر آزمایش‌هایی را انجام خواهید داد و به مطالعه موردی نهایی می‌پردازید که همه چیزهایی را که آموخته‌اید ترکیب می‌کند.

مقدمه ای عالی برای این حوزه پویا و همیشه در حال گسترش، یادگیری عمیق عملی به شما مهارت و اعتماد به نفس می دهد تا در پروژه های یادگیری ماشینی خود فرو بروید.