الگوها و رویه‌ها در یادگیری عمیق ۲۰۲۱
Deep Learning Patterns and Practices 2021

در کتاب *الگوها و رویه‌های یادگیری عمیق* می‌آموزید:

* عملکرد داخلی شبکه‌های عصبی کانولوشن مدرن
* الگوی طراحی استفاده‌ی مجدد رویه‌ای برای معماری‌های CNN
* مدل‌هایی برای دستگاه‌های موبایل و اینترنت اشیا (IoT)
* مونتاژ استقرارهای مدل در مقیاس بزرگ
* بهینه‌سازی تنظیمات ابرپارامترها
* انتقال یک مدل به محیط تولید

چالش بزرگ یادگیری عمیق، انتقال فناوری‌های پیشرفته از آزمایشگاه‌های تحقیق و توسعه به مرحله‌ی تولید است. کتاب *الگوها و رویه‌های یادگیری عمیق* اینجاست تا به شما کمک کند. این راهنمای منحصربه‌فرد، آخرین بینش‌های یادگیری عمیق را از کار اندرو فرلیچ با هوش مصنوعی Google Cloud ارائه می‌دهد. در این کتاب، مدل‌های یادگیری عمیق را به روشی جدید و منحصر به فرد خواهید یافت: به عنوان الگوهای طراحی قابل توسعه که می‌توانید به راحتی آن‌ها را در پروژه‌های نرم‌افزاری خود جای‌گذاری کنید. هر تکنیک ارزشمند به گونه‌ای ارائه شده است که به راحتی قابل درک باشد و پر از نمودارها و نمونه کدهای قابل دسترس است.

با خرید نسخه‌ی چاپی کتاب، یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از Manning Publications دریافت خواهید کرد.

درباره‌ی این فناوری

بهترین روش‌ها، الگوهای طراحی و معماری‌های قابل بازتولید را کشف کنید که پروژه‌های یادگیری عمیق شما را از آزمایشگاه به مرحله‌ی تولید هدایت می‌کنند. این کتاب فوق‌العاده، مرتبط‌ترین بینش‌ها را از یک دهه تجربه‌ی دنیای واقعی در یادگیری عمیق جمع‌آوری و روشن می‌کند. با هر مثال جالب، مهارت‌ها و اعتماد به نفس خود را افزایش خواهید داد.

درباره‌ی این کتاب

*الگوها و رویه‌های یادگیری عمیق* یک غواصی عمیق در ساخت برنامه‌های کاربردی یادگیری عمیق موفق است. با اعمال الگوها و رویه‌های اثبات شده در پروژه‌های خود، ساعت‌ها آزمون و خطا را صرفه‌جویی خواهید کرد. نمونه کدهای تست‌شده، مثال‌های دنیای واقعی و یک سبک روایی درخشان، حتی مفاهیم پیچیده را نیز ساده و جذاب می‌کنند. در این مسیر، نکاتی را برای استقرار، آزمایش و نگهداری پروژه‌های خود دریافت خواهید کرد.

آنچه در داخل خواهید یافت

* شبکه‌های عصبی کانولوشن مدرن
* الگوی طراحی برای معماری‌های CNN
* مدل‌هایی برای دستگاه‌های موبایل و اینترنت اشیا (IoT)
* استقرارهای مدل در مقیاس بزرگ
* مثال‌هایی برای بینایی کامپیوتر

درباره‌ی خواننده

برای مهندسان یادگیری ماشین که با پایتون و یادگیری عمیق آشنا هستند.

درباره‌ی نویسنده

اندرو فرلیچ یک متخصص در زمینه‌ی بینایی کامپیوتر، یادگیری عمیق و عملیاتی‌سازی ML در تولید در Google Cloud AI Developer Relations است.

فهرست مطالب

بخش 1: مبانی یادگیری عمیق
1 طراحی یادگیری ماشین مدرن
2 شبکه‌های عصبی عمیق
3 شبکه‌های عصبی کانولوشن و باقیمانده
4 مبانی آموزش
بخش 2: الگوی طراحی اساسی
5 الگوی طراحی رویه‌ای
6 شبکه‌های عصبی کانولوشن گسترده
7 الگوهای اتصال جایگزین
8 شبکه‌های عصبی کانولوشن موبایل
9 خودرمزگذارها
بخش 3: کار با خطوط لوله
10 تنظیم ابرپارامترها
11 انتقال یادگیری
12 توزیع داده‌ها
13 خط لوله داده
14 خط لوله آموزش و استقرار

In Deep Learning Patterns and Practices you will learn:

Internal functioning of modern convolutional neural networks
Procedural reuse design pattern for CNN architectures
Models for mobile and IoT devices
Assembling large-scale model deployments
Optimizing hyperparameter tuning
Migrating a model to a production environment

The big challenge of deep learning lies in taking cutting-edge technologies from R&D labs through to production. Deep Learning Patterns and Practices is here to help. This unique guide lays out the latest deep learning insights from author Andrew Ferlitsch’s work with Google Cloud AI. In it, you’ll find deep learning models presented in a unique new way: as extendable design patterns you can easily plug-and-play into your software projects. Each valuable technique is presented in a way that’s easy to understand and filled with accessible diagrams and code samples.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the technology
Discover best practices, design patterns, and reproducible architectures that will guide your deep learning projects from the lab into production. This awesome book collects and illuminates the most relevant insights from a decade of real world deep learning experience. You’ll build your skills and confidence with each interesting example.

About the book
Deep Learning Patterns and Practices is a deep dive into building successful deep learning applications. You’ll save hours of trial-and-error by applying proven patterns and practices to your own projects. Tested code samples, real-world examples, and a brilliant narrative style make even complex concepts simple and engaging. Along the way, you’ll get tips for deploying, testing, and maintaining your projects.
What’s inside

Modern convolutional neural networks
Design pattern for CNN architectures
Models for mobile and IoT devices
Large-scale model deployments
Examples for computer vision

About the reader
For machine learning engineers familiar with Python and deep learning.

About the author
Andrew Ferlitsch is an expert on computer vision, deep learning, and operationalizing ML in production at Google Cloud AI Developer Relations.

Table of Contents

PART 1 DEEP LEARNING FUNDAMENTALS
1 Designing modern machine learning
2 Deep neural networks
3 Convolutional and residual neural networks
4 Training fundamentals
PART 2 BASIC DESIGN PATTERN
5 Procedural design pattern
6 Wide convolutional neural networks
7 Alternative connectivity patterns
8 Mobile convolutional neural networks
9 Autoencoders
PART 3 WORKING WITH PIPELINES
10 Hyperparameter tuning
11 Transfer learning
12 Data distributions
13 Data pipeline
14 Training and deployment pipeline