مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی با پایتون: یک راهنمای عملی ۲۰۲۰
Introduction to Deep Learning and Neural Networks with PythonT: A Practical Guide 2020

دانلود کتاب مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی با پایتون: یک راهنمای عملی ۲۰۲۰ (Introduction to Deep Learning and Neural Networks with PythonT: A Practical Guide 2020) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده	Ahmed Fawzy Gad, Fatima Ezzahra Jarmouni

ناشر: Elsevier Science

دسته: پزشکی, روش شناسی تحقیق و پژوهش علمی, علوم اعصاب, علوم اعصاب(نوروساینس) در پزشکی, علوم زیستی, فیزیولوژی پزشکی

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار	2020
زبان	English
تعداد صفحه‌ها	300
نوع فایل	pdf
حجم	44 Mb

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

هوش‌مصنوعی ترجمه کالیبو

توضیحات

معرفی کتاب مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی با پایتون: یک راهنمای عملی ۲۰۲۰

*آشنایی با یادگیری عمیق و شبکه‌های عصبی با PythonT: یک راهنمای کاربردی* یک راهنمای فشرده و گام‌به‌گام برای متخصصان علوم اعصاب است تا شبکه‌های عصبی را به‌طور کامل درک کنند، تمرین کنند و بسازند. این کتاب با ارائه مثال‌های کد ریاضی و PythonT برای روشن ساختن محاسبات شبکه‌های عصبی، به خوانندگان کمک می‌کند تا در پایان کتاب به‌طور کامل درک کنند که شبکه‌های عصبی چگونه کار می‌کنند، و این درک را از ساده‌ترین مدل Y=X آغاز کرده و به صورت گام‌به‌گام پیش می‌روند. جزئیات و توضیحات در مورد نحوه عملکرد یک الگوریتم نزول گرادیان عمومی بر اساس مثال‌های ریاضی و PythonT ارائه شده است و به شما می‌آموزد که چگونه از الگوریتم نزول گرادیان برای انجام دستی تمام محاسبات در هر دو مسیر رفت و برگشت آموزش یک شبکه عصبی استفاده کنید.

توضیحات(انگلیسی)

Introduction to Deep Learning and Neural Networks with PythonT: A Practical Guide is an intensive step-by-step guide for neuroscientists to fully understand, practice, and build neural networks. Providing math and PythonT code examples to clarify neural network calculations, by book's end readers will fully understand how neural networks work starting from the simplest model Y=X and building from scratch. Details and explanations are provided on how a generic gradient descent algorithm works based on mathematical and PythonT examples, teaching you how to use the gradient descent algorithm to manually perform all calculations in both the forward and backward passes of training a neural network.