یادگیری عمیق ۲۰۲۳
Deep Learning 2023

این کتاب بر یادگیری عمیق (DL) تمرکز دارد که جنبه‌ی مهمی از علم داده و شامل مدل‌سازی پیش‌بینی‌کننده است. کاربردهای DL به طور گسترده در زمینه‌هایی مانند امور مالی، حمل و نقل، بهداشت و درمان، خودروسازی و تبلیغات استفاده می‌شود. طراحی مدل‌های DL بر اساس شبکه‌های عصبی مصنوعی، از ساختار و عملکرد مغز الهام گرفته است. این کتاب، منبعی جامع برای کسانی است که به دنبال درک عمیقی از تکنیک‌های یادگیری عمیق هستند.

ویژگی‌های کلیدی:

* ارائه دانش در مورد تئوری و طراحی مدل‌های یادگیری عمیق پیشرفته برای کاربردهای دنیای واقعی
* توضیح مفاهیم و اصطلاحات در حل مسئله با یادگیری عمیق
* بررسی مبانی نظری الگوریتم‌ها و رویکردهای اصلی در یادگیری عمیق
* بحث در مورد تکنیک‌های بهبود مدل‌های یادگیری عمیق
* شناسایی تکنیک‌های ارزیابی عملکرد برای مدل‌های یادگیری عمیق

بر این اساس، کتاب کل جریان فرآیند یادگیری عمیق را با ارائه آگاهی از هر یک از مدل‌های پرکاربرد پوشش می‌دهد. این کتاب می‌تواند به عنوان یک راهنمای مبتدی مورد استفاده قرار گیرد، به طوری که کاربر می‌تواند مفاهیم و تکنیک‌های مرتبط را درک کند. این کتاب منبعی مفید برای دانشجویان دوره‌های کارشناسی و کارشناسی ارشد، مهندسان و محققانی خواهد بود که شروع به یادگیری مبحث یادگیری عمیق می‌کنند.

This book focuses on deep learning (DL), which is an important aspect of data science, that includes predictive modeling. DL applications are widely used in domains such as finance, transport, healthcare, automanufacturing, and advertising. The design of the DL models based on artificial neural networks is influenced by the structure and operation of the brain. This book presents a comprehensive resource for those who seek a solid grasp of the techniques in DL.

Key features:

• Provides knowledge on theory and design of state-of-the-art deep learning models for real-world applications
• Explains the concepts and terminology in problem-solving with deep learning
• Explores the theoretical basis for major algorithms and approaches in deep learning
• Discusses the enhancement techniques of deep learning models
• Identifies the performance evaluation techniques for deep learning models

Accordingly, the book covers the entire process flow of deep learning by providing awareness of each of the widely used models. This book can be used as a beginners’ guide where the user can understand the associated concepts and techniques. This book will be a useful resource for undergraduate and postgraduate students, engineers, and researchers, who are starting to learn the subject of deep learning.