Deep Learning for Computer Vision with SAS: An Introduction

دانلود کتاب Deep Learning for Computer Vision with SAS: An Introduction

53000 تومان موجود

کتاب یادگیری عمیق برای بینایی کامپیوتر با SAS: مقدمه نسخه زبان اصلی

دانلود کتاب یادگیری عمیق برای بینایی کامپیوتر با SAS: مقدمه بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 11


توضیحاتی در مورد کتاب Deep Learning for Computer Vision with SAS: An Introduction

نام کتاب : Deep Learning for Computer Vision with SAS: An Introduction
عنوان ترجمه شده به فارسی : یادگیری عمیق برای بینایی کامپیوتر با SAS: مقدمه
سری :
نویسندگان :
ناشر : SAS Institute
سال نشر : 2020
تعداد صفحات : 205
ISBN (شابک) : 1642959723 , 9781642959727
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 8 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :


آموزش عمیق و بینایی کامپیوتر را با SAS کشف کنید!

آموزش عمیق برای بینایی کامپیوتر با SAS®: مقدمه اجزای اصلی عمیق را معرفی می کند. یادگیری. خوانندگان درک عمیقی از نحوه ساخت شبکه های عصبی پیشخور عمیق و کانولوشن و همچنین انواع رمزگذاری خودکار حذف نویز به دست خواهند آورد. آموزش انتقالی پوشش داده شده است تا به خوانندگان کمک کند تا در مورد این زمینه در حال ظهور بیاموزند. این کتاب حاوی ترکیبی از تئوری و کاربرد، همچنین به طور خلاصه روش‌های سفارشی‌سازی مدل‌های یادگیری عمیق را برای حل مشکلات جدید کسب‌وکار یا پاسخ به سؤالات تحقیقاتی پوشش می‌دهد. برنامه‌ها و داده‌های SAS برای تقویت مفاهیم کلیدی گنجانده شده‌اند و به خوانندگان اجازه می‌دهند تا همراه با نمایش‌های موجود دنبال کنند.

خوانندگان یاد خواهند گرفت که چگونه:

  • تعریف و درک یادگیری عمیق
  • مدل هایی را با استفاده از تکنیک های یادگیری عمیق و SAS Viya بسازند
  • به‌کارگیری مدل‌ها برای امتیاز دادن (استنتاج) داده‌های جدید
  • تغییر داده‌ها برای نتایج تحلیل بهتر
  • جستجوی فضای فراپارامتری یک مدل یادگیری عمیق
  • آموزش انتقال اهرمی با استفاده از روش های نظارت شده و بدون نظارت

فهرست مطالب :


Contents About This Book About The Author Chapter 1: Introduction to Deep Learning Introduction to Neural Networks Biological Neurons Deep Learning Traditional Neural Networks versus Deep Learning Building a Deep Neural Network Demonstration 1: Loading and Modeling Data with Traditional Neural Network Methods Demonstration 2: Building and Training Deep Learning Neural Networks Using CASL Code Chapter 2: Convolutional Neural Networks Introduction to Convoluted Neural Networks Input Layers Convolutional Layers Using Filters Padding Feature Map Dimensions Pooling Layers Traditional Layers Demonstration 1: Loading and Preparing Image Data Demonstration 2: Building and Training a Convolutional Neural Network Chapter 3: Improving Accuracy Introduction Architectural Design Strategies Image Preprocessing and Data Enrichment Transfer Learning Introduction Domains and Subdomains Types of Transfer Learning Transfer Learning Biases Transfer Learning Strategies Customizations with FCMP Tuning a Deep Learning Model Chapter 4: Object Detection Introduction Types of Object Detection Algorithms Data Preparation and Prediction Overview Normalized Locations Multi-Loss Error Function Error Function Scalars Anchor Boxes Final Convolution Layer Demonstration: Using DLPy to Access SAS Deep Learning Technologies: Part 1 Demonstration: Using DLPy to Access SAS Deep Learning Technologies: Part 2 Chapter 5: Computer Vision Case Study References

توضیحاتی در مورد کتاب به زبان اصلی :


Discover deep learning and computer vision with SAS!

Deep Learning for Computer Vision with SAS®: An Introduction introduces the pivotal components of deep learning. Readers will gain an in-depth understanding of how to build deep feedforward and convolutional neural networks, as well as variants of denoising autoencoders. Transfer learning is covered to help readers learn about this emerging field. Containing a mix of theory and application, this book will also briefly cover methods for customizing deep learning models to solve novel business problems or answer research questions. SAS programs and data are included to reinforce key concepts and allow readers to follow along with included demonstrations.

Readers will learn how to:

  • Define and understand deep learning
  • Build models using deep learning techniques and SAS Viya
  • Apply models to score (inference) new data
  • Modify data for better analysis results
  • Search the hyperparameter space of a deep learning model
  • Leverage transfer learning using supervised and unsupervised methods



پست ها تصادفی