چو ایران نباشد تن من مباد
Learn Keras for deep neural networks: a fast-track approach to modern deep learning with Python

دانلود کتاب Learn Keras for deep neural networks: a fast-track approach to modern deep learning with Python

46000 تومان موجود

کتاب کراس را برای شبکه های عصبی عمیق بیاموزید: یک رویکرد سریع برای یادگیری عمیق مدرن با پایتون نسخه زبان اصلی

دانلود کتاب کراس را برای شبکه های عصبی عمیق بیاموزید: یک رویکرد سریع برای یادگیری عمیق مدرن با پایتون 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: 1


توضیحاتی در مورد کتاب Learn Keras for deep neural networks: a fast-track approach to modern deep learning with Python

نام کتاب : Learn Keras for deep neural networks: a fast-track approach to modern deep learning with Python
عنوان ترجمه شده به فارسی : کراس را برای شبکه های عصبی عمیق بیاموزید: یک رویکرد سریع برای یادگیری عمیق مدرن با پایتون
سری :
نویسندگان : ,
ناشر : Apress
سال نشر : 2018;2019
تعداد صفحات : 192
ISBN (شابک) : 9781484242391 , 1484242408
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 3 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 :


شبکه های عصبی عمیق را با رویکردی ریاضی و برنامه نویسی با استفاده از Keras و Python بیاموزید، درک کنید و پیاده سازی کنید. این کتاب بر روی یک رویکرد پایان به انتها برای توسعه الگوریتم‌های یادگیری نظارت شده در رگرسیون و طبقه‌بندی با موارد کاربردی کسب‌وکار محور پیاده‌سازی شده در Keras تمرکز دارد.

کتاب کلی شامل سه بخش با دو فصل است. هر بخش بخش اول شما را با تمام اصول اولیه لازم برای شروع یادگیری عمیق آماده می کند. فصل 1 شما را با دنیای یادگیری عمیق و تفاوت آن با یادگیری ماشینی، انتخاب چارچوب ها برای یادگیری عمیق و اکوسیستم کراس آشنا می کند. شما یک مشکل کسب و کار واقعی را پوشش خواهید داد که می تواند با الگوریتم های یادگیری نظارت شده با شبکه های عصبی عمیق حل شود. شما یک مورد استفاده را برای رگرسیون و دیگری را برای طبقه بندی با استفاده از مجموعه داده های محبوب Kaggle خواهید دید. به شما کمک می کند تا مدل های خود را در هنگام ساخت برنامه های یادگیری عمیق قوی بهبود بخشید. در نهایت، مهارت‌های خود را در یادگیری عمیق تقویت خواهید کرد و زمینه‌های توسعه فعال و تحقیق در یادگیری عمیق را پوشش خواهید داد.

در پایان Learn Keras for Deep Neural Networks، شما درک کاملی از اصول یادگیری عمیق خواهید داشت و تجربه عملی عملی در توسعه راه حل های یادگیری عمیق در سطح سازمانی در Keras خواهید داشت.

آنچه خواهید آموخت
/>
با انتزاعات ریاضی و برنامه نویسی به مفاهیم یادگیری عمیق عملی سریع و سریع مسلط شوید. طراحی، توسعه، آموزش، اعتبارسنجی و استقرار شبکه‌های عصبی عمیق با استفاده از چارچوب Keras استفاده از بهترین روش‌ها برای اشکال‌زدایی و اعتبارسنجی مدل‌های یادگیری عمیق استقرار و ادغام یادگیری عمیق به‌عنوان یک سرویس در یک سرویس یا محصول نرم‌افزاری بزرگ‌تر. اصول یادگیری عمیق را در چارچوب‌های محبوب دیگر گسترش دهید. این کتاب برای چه کسی است

مهندسین نرم افزار و مهندسان داده با مهارت های اولیه برنامه نویسی در هر زبانی که علاقه مند به کاوش در یادگیری عمیق برای یک حرکت شغلی یا یک پروژه سازمانی هستند.< br />


فهرست مطالب :


Front Matter ....Pages i-xv
An Introduction to Deep Learning and Keras (Jojo Moolayil)....Pages 1-16
Keras in Action (Jojo Moolayil)....Pages 17-52
Deep Neural Networks for Supervised Learning: Regression (Jojo Moolayil)....Pages 53-99
Deep Neural Networks for Supervised Learning: Classification (Jojo Moolayil)....Pages 101-135
Tuning and Deploying Deep Neural Networks (Jojo Moolayil)....Pages 137-159
The Path Ahead (Jojo Moolayil)....Pages 161-176
Back Matter ....Pages 177-182

توضیحاتی در مورد کتاب به زبان اصلی :


Learn, understand, and implement deep neural networks in a math- and programming-friendly approach using Keras and Python. The book focuses on an end-to-end approach to developing supervised learning algorithms in regression and classification with practical business-centric use-cases implemented in Keras.

The overall book comprises three sections with two chapters in each section. The first section prepares you with all the necessary basics to get started in deep learning. Chapter 1 introduces you to the world of deep learning and its difference from machine learning, the choices of frameworks for deep learning, and the Keras ecosystem. You will cover a real-life business problem that can be solved by supervised learning algorithms with deep neural networks. You'll tackle one use case for regression and another for classification leveraging popular Kaggle datasets.

Later, you will see an interesting and challenging part of deep learning: hyperparameter tuning; helping you further improve your models when building robust deep learning applications. Finally, you'll further hone your skills in deep learning and cover areas of active development and research in deep learning.

At the end ofLearn Keras for Deep Neural Networks, you will have a thorough understanding of deep learning principles and have practical hands-on experience in developing enterprise-grade deep learning solutions in Keras.

What You'll Learn

Master fast-paced practical deep learning concepts with math- and programming-friendly abstractions. Design, develop, train, validate, and deploy deep neural networks using the Keras framework Use best practices for debugging and validating deep learning models Deploy and integrate deep learning as a service into a larger software service or product Extend deep learning principles into other popular frameworksWho This Book Is For

Software engineers and data engineers with basic programming skills in any language and who are keen on exploring deep learning for a career move or an enterprise project.





پست ها تصادفی