0 رای
وضعیت موجودی موجود

قیمت قبلی: 9,120,000 ریال
قیمت: 8,720,000 ریال


Product details

  • Publisher ‏ : ‎ Addison-Wesley Professional; 1st edition (August 17, 2021)
  • Language ‏ : ‎ English
  • Paperback ‏ : ‎ 752 pages
  • ISBN-10 ‏ : ‎ 0137470355
  • ISBN-13 ‏ : ‎ 978-0137470358


 

جلد سخت سیاه و سفید_کتاب Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow 1st Edition

"To enable everyone to be part of this historic revolution requires the democratization of AI knowledge and resources. This book is timely and relevant towards accomplishing these lofty goals."
-- From the foreword by Dr. Anima Anandkumar, Bren Professor, Caltech, and Director of ML Research, NVIDIA

"Ekman uses a learning technique that in our experience has proven pivotal to success―asking the reader to think about using DL techniques in practice. His straightforward approach is refreshing, and he permits the reader to dream, just a bit, about where DL may yet take us."
-- From the foreword by Dr. Craig Clawson, Director, NVIDIA Deep Learning Institute


Deep learning (DL) is a key component of today's exciting advances in machine learning and artificial intelligence. Learning Deep Learning is a complete guide to DL. Illuminating both the core concepts and the hands-on programming techniques needed to succeed, this book is ideal for developers, data scientists, analysts, and others--including those with no prior machine learning or statistics experience.

After introducing the essential building blocks of deep neural networks, such as artificial neurons and fully connected, convolutional, and recurrent layers, Magnus Ekman shows how to use them to build advanced architectures, including the Transformer. He describes how these concepts are used to build modern networks for computer vision and natural language processing (NLP), including Mask R-CNN, GPT, and BERT. And he explains how a natural language translator and a system generating natural language descriptions of images.

Throughout, Ekman provides concise, well-annotated code examples using TensorFlow with Keras. Corresponding PyTorch examples are provided online, and the book thereby covers the two dominating Python libraries for DL used in industry and academia. He concludes with an introduction to neural architecture search (NAS), exploring important ethical issues and providing resources for further learning.

  • Explore and master core concepts: perceptrons, gradient-based learning, sigmoid neurons, and back propagation
  • See how DL frameworks make it easier to develop more complicated and useful neural networks
  • Discover how convolutional neural networks (CNNs) revolutionize image classification and analysis
  • Apply recurrent neural networks (RNNs) and long short-term memory (LSTM) to text and other variable-length sequences
  • Master NLP with sequence-to-sequence networks and the Transformer architecture
  • Build applications for natural language translation and image captioning

NVIDIA's invention of the GPU sparked the PC gaming market. The company's pioneering work in accelerated computing--a supercharged form of computing at the intersection of computer graphics, high-performance computing, and AI--is reshaping trillion-dollar industries, such as transportation, healthcare, and manufacturing, and fueling the growth of many others.

Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.

منابع کتاب جلد سخت سیاه و سفید_کتاب Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow 1st Edition

"برای اینکه همه بتوانند بخشی از این انقلاب تاریخی باشند، نیازمند دموکراتیزه کردن دانش و منابع هوش مصنوعی است. این کتاب برای دستیابی به این اهداف عالی به موقع و مرتبط است."
-- از پیشگفتار دکتر Anima Anandkumar، پروفسور Bren، Caltech، و مدیر تحقیقات ML، NVIDIA
 
اکمن از یک تکنیک یادگیری استفاده می‌کند که در تجربه ما ثابت کرده است که برای موفقیت بسیار مهم است - از خواننده می‌خواهد در مورد استفاده از تکنیک‌های DL در عمل فکر کند. رویکرد ساده او طراوت‌بخش است و به خواننده اجازه می‌دهد تا در مورد جایی که DL ممکن است رویاپردازی کند. با این حال ما را ببرید."
-- از پیشگفتار دکتر کریگ کلاوسون، مدیر موسسه یادگیری عمیق انویدیا
 
یادگیری عمیق (DL) یکی از اجزای کلیدی پیشرفت های هیجان انگیز امروزی در یادگیری ماشین و هوش مصنوعی است. یادگیری عمیق یادگیری یک راهنمای کامل برای DL است. این کتاب که مفاهیم اصلی و تکنیک‌های برنامه‌نویسی عملی مورد نیاز برای موفقیت را روشن می‌کند، برای توسعه‌دهندگان، دانشمندان داده، تحلیل‌گران و سایرین ایده‌آل است - از جمله کسانی که هیچ تجربه قبلی یا یادگیری ماشینی ندارند.
 
پس از معرفی بلوک‌های اساسی شبکه‌های عصبی عمیق، مانند نورون‌های مصنوعی و لایه‌های کاملاً متصل، کانولوشنی و تکراری، مگنوس اکمن نحوه استفاده از آن‌ها را برای ساخت معماری‌های پیشرفته از جمله ترانسفورماتور نشان می‌دهد. او توضیح می دهد که چگونه از این مفاهیم برای ساخت شبکه های مدرن برای بینایی کامپیوتری و پردازش زبان طبیعی (NLP)، از جمله Mask R-CNN، GPT و BERT استفاده می شود. و توضیح می دهد که چگونه یک مترجم زبان طبیعی و یک سیستم توصیف زبان طبیعی از تصاویر را تولید می کند.
 
در سرتاسر، اکمن با استفاده از TensorFlow با Keras، نمونه‌های کد مختصر و مشروح ارائه می‌کند. نمونه‌های مربوط به PyTorch به صورت آنلاین ارائه شده‌اند، و این کتاب به این ترتیب دو کتابخانه غالب Python برای DL مورد استفاده در صنعت و دانشگاه را پوشش می‌دهد. او با مقدمه‌ای بر جستجوی معماری عصبی (NAS)، به بررسی مسائل مهم اخلاقی و ارائه منابع برای یادگیری بیشتر پایان می‌دهد.
 
کاوش و تسلط بر مفاهیم اصلی: پرسپترون ها، یادگیری مبتنی بر گرادیان، نورون های سیگموئید، و انتشار پس
ببینید چگونه چارچوب‌های DL توسعه شبکه‌های عصبی پیچیده‌تر و مفیدتر را آسان‌تر می‌کنند
کشف کنید که چگونه شبکه های عصبی کانولوشن (CNN) طبقه بندی و تجزیه و تحلیل تصویر را متحول می کند
استفاده از شبکه‌های عصبی بازگشتی (RNN) و حافظه کوتاه‌مدت بلند مدت (LSTM) روی متن و سایر توالی‌های با طول متغیر
استاد NLP با شبکه های ترتیب به دنباله و معماری ترانسفورماتور
ساخت برنامه های کاربردی برای ترجمه زبان طبیعی و نوشتن شرح تصاویر
اختراع GPU توسط NVIDIA جرقه ای در بازار بازی های رایانه های شخصی ایجاد کرد. کار پیشگام این شرکت در محاسبات شتاب - شکل سوپرشارژ محاسبات در تقاطع گرافیک کامپیوتری، محاسبات با کارایی بالا و هوش مصنوعی - در حال تغییر شکل دادن به صنایع تریلیون دلاری مانند حمل و نقل، مراقبت های بهداشتی و تولید است و به رشد دامن می زند. از بسیاری دیگر
 
کتاب خود را برای دسترسی راحت به بارگیری‌ها، به‌روزرسانی‌ها، و/یا اصلاحات در صورت در دسترس بودن ثبت کنید. برای جزئیات به داخل کتاب مراجعه کنید.

نظرات کاربران درباره جلد سخت سیاه و سفید_کتاب Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow 1st Edition

نظری در مورد این محصول توسط کاربران ارسال نگردیده است.
اولین نفری باشید که در مورد جلد سخت سیاه و سفید_کتاب Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow 1st Edition نظر می دهد.

ارسال نظر درباره جلد سخت سیاه و سفید_کتاب Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow 1st Edition

لطفا توجه داشته باشید که ایمیل شما منتشر نخواهد شد.

برچسب های مرتبط با جلد سخت سیاه و سفید_کتاب Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow 1st Edition

Natural Language Processing AI & Machine Learning خرید اینترنتی کتاب های لاتین خرید اینترنتی کتاب های زبان اصلی کامپیوتر

بر اساس سلیقه شما...

Product details Publisher ‏ : ‎  Dover Publications (Dece ...
2,880,000 ریال
  Product details Publisher ‏ : ‎  McGraw Hill ...
12,880,000 ریال

codebazan

طراحی و اجرا: فروشگاه ساز سبدخرید