توضیحاتی در مورد کتاب :
گام بعدی را در پیاده‌سازی شبکه‌های عصبی رایج و نه چندان رایج با Tensorflow 1.x بردارید. ، GAN ها، رمزگذارهای خودکار، پرسپترون های چند لایه و موارد دیگر. دستور العمل های عملی برای کار با Tensorflow در دسکتاپ، موبایل و محیط ابری این کتاب چه کسی است برای این کتاب برای تحلیلگران داده، دانشمندان داده، یادگیری ماشین در نظر گرفته شده است. پزشکان و علاقه مندان به یادگیری عمیق که می خواهند وظایف یادگیری عمیق را به طور منظم انجام دهند و به دنبال راهنمای مفیدی هستند که بتوانند به آن مراجعه کنند. افرادی که کمی با شبکه های عصبی آشنایی دارند و اکنون می خواهند در کار با انواع شبکه های عصبی و مجموعه داده ها تخصص کسب کنند، این کتاب بسیار مفید خواهند بود. آنچه یاد خواهید گرفت TensorFlow را نصب کنید و از آن برای عملیات CPU و GPU استفاده کنید DNN ها را پیاده سازی کنید و از آنها برای حل مشکلات مختلف مبتنی بر هوش مصنوعی استفاده کنید. از مجموعه داده های مختلف مانند MNIST، CIFAR-10، و Youtube8m با TensorFlow استفاده کنید و نحوه دسترسی و استفاده از آنها را در کد خود بیاموزید. از TensorBoard برای درک معماری شبکه های عصبی، بهینه سازی فرآیند یادگیری و نگاه کردن به جعبه سیاه شبکه عصبی استفاده کنید. استفاده از تکنیک های رگرسیون مختلف برای مسائل پیش بینی و طبقه بندی ساخت پرسپترون های تک لایه و چند لایه در TensorFlow CNN و RNN را در TensorFlow پیاده سازی کنید و از آن برای حل موارد استفاده در دنیای واقعی استفاده کنید. بیاموزید که چگونه می‌توان از ماشین‌های محدود Boltzmann برای توصیه فیلم استفاده کرد. پیاده سازی Autoencoder و شبکه های باور عمیق را درک کنید و از آنها برای تشخیص احساسات استفاده کنید. به روش های مختلف یادگیری تقویتی برای اجرای عوامل بازی تسلط پیدا کنید. GAN ها و پیاده سازی آنها با استفاده از TensorFlow. در جزئیات شبکه‌های عصبی عمیق (DNN) در زمینه بینایی کامپیوتر، تشخیص گفتار و پردازش زبان طبیعی به موفقیت‌های زیادی دست یافته‌اند. کل جهان پر از هیجان است که چگونه شبکه های عمیق هوش مصنوعی را متحول می کنند. این راهنمای مهیج مبتنی بر دستور العمل شما را از قلمرو تئوری DNN به اجرای عملی آنها برای حل مشکلات زندگی واقعی در حوزه هوش مصنوعی می برد. در این کتاب، نحوه استفاده کارآمد از TensorFlow، چارچوب متن باز گوگل برای یادگیری عمیق را خواهید آموخت. شما شبکه های یادگیری عمیق مختلفی مانند شبکه های عصبی کانولوشن (CNN)، شبکه های عصبی تکراری (RNN)، Deep Q-learnin... را پیاده سازی خواهید کرد.
توضیحاتی در مورد کتاب به زبان اصلی :
Take the next step in implementing various common and not-so-common neural networks with Tensorflow 1.x About This Book Skill up and implement tricky neural networks using Google's TensorFlow 1.x An easy-to-follow guide that lets you explore reinforcement learning, GANs, autoencoders, multilayer perceptrons and more. Hands-on recipes to work with Tensorflow on desktop, mobile, and cloud environment Who This Book Is For This book is intended for data analysts, data scientists, machine learning practitioners and deep learning enthusiasts who want to perform deep learning tasks on a regular basis and are looking for a handy guide they can refer to. People who are slightly familiar with neural networks, and now want to gain expertise in working with different types of neural networks and datasets, will find this book quite useful. What You Will Learn Install TensorFlow and use it for CPU and GPU operations Implement DNNs and apply them to solve different AI-driven problems. Leverage different data sets such as MNIST, CIFAR-10, and Youtube8m with TensorFlow and learn how to access and use them in your code. Use TensorBoard to understand neural network architectures, optimize the learning process, and peek inside the neural network black box. Use different regression techniques for prediction and classification problems Build single and multilayer perceptrons in TensorFlow Implement CNN and RNN in TensorFlow, and use it to solve real-world use cases. Learn how restricted Boltzmann Machines can be used to recommend movies. Understand the implementation of Autoencoders and deep belief networks, and use them for emotion detection. Master the different reinforcement learning methods to implement game playing agents. GANs and their implementation using TensorFlow. In Detail Deep neural networks (DNNs) have achieved a lot of success in the field of computer vision, speech recognition, and natural language processing. The entire world is filled with excitement about how deep networks are revolutionizing artificial intelligence. This exciting recipe-based guide will take you from the realm of DNN theory to implementing them practically to solve the real-life problems in artificial intelligence domain. In this book, you will learn how to efficiently use TensorFlow, Google's open source framework for deep learning. You will implement different deep learning networks such as Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), Deep Q-learnin... Read more...
