آشنایی با یادگیری عمیق برای مهندسان: با استفاده از پایتون و پلتفرم ابری گوگل ۲۰۲۲
Introduction to Deep Learning for Engineers: Using Python and Google Cloud Platform 2022

این کتاب، مقدمه‌ای کوتاه و گام‌های پیاده‌سازی ساده و قابل‌فهم یادگیری عمیق با استفاده از پلتفرم Google Cloud را ارائه می‌دهد. همچنین شامل یک مطالعه‌ی موردی عملی است که استفاده از پایتون و کتابخانه‌های مرتبط برای اجرای یک مدل یادگیری عمیق از پیش آموزش‌دیده را برجسته می‌کند.

در سال‌های اخیر، رویکردهای مدل‌سازی مبتنی بر یادگیری عمیق در طیف گسترده‌ای از حوزه‌های مهندسی مانند خودروهای خودران، رباتیک هوشمند، بینایی کامپیوتر، پردازش زبان طبیعی و بیوانفورماتیک مورد استفاده قرار گرفته‌اند. همچنین، بسیاری از کاربردهای مهندسی دنیای واقعی از یک مدل یادگیری عمیق از پیش آموزش‌دیده موجود استفاده می‌کنند که قبلاً برای یک وظیفه‌ی مرتبط توسعه و بهینه شده است. با این حال، گنجاندن یک مدل یادگیری عمیق در یک پروژه‌ی تحقیقاتی، به ویژه برای کسی که دانش مرتبط در زمینه‌ی یادگیری ماشین و محاسبات ابری ندارد، بسیار چالش‌برانگیز است. با در نظر داشتن این موضوع، هدف این کتاب ارائه‌ی مقدمه‌ای کوتاه بر مبانی یادگیری عمیق از طریق مثال یک مورد پیاده‌سازی عملی است.

مخاطبان این کتاب کوتاه، دانشجویان مقطع کارشناسی مهندسی هستند که مایلند مدل‌های یادگیری عمیق را در پروژه‌ی کلاسی یا پروژه‌ی طراحی ارشد خود، بدون طی کردن یک مسیر کامل در نظریه‌های یادگیری ماشین، بررسی کنند. بخش مطالعه‌ی موردی در پایان، رویکردی مقرون‌به‌صرفه و گام‌به‌گام نیز ارائه می‌دهد که به راحتی توسط دیگران قابل تکرار است.

This book provides a short introduction and easy-to-follow implementation steps of deep learning using Google Cloud Platform. It also includes a practical case study that highlights the utilization of Python and related libraries for running a pre-trained deep learning model.

In recent years, deep learning-based modeling approaches have been used in a wide variety of engineering domains, such as autonomous cars, intelligent robotics, computer vision, natural language processing, and bioinformatics. Also, numerous real-world engineering applications utilize an existing pre-trained deep learning model that has already been developed and optimized for a related task. However, incorporating a deep learning model in a research project is quite challenging, especially for someone who doesn’t have related machine learning and cloud computing knowledge. Keeping that in mind, this book is intended to be a short introduction of deep learning basics through the example of a practical implementation case.

The audience of this short book is undergraduate engineering students who wish to explore deep learning models in their class project or senior design project without having a full journey through the machine learning theories. The case study part at the end also provides a cost-effective and step-by-step approach that can be replicated by others easily.