یادگیری عمیق با جاوااسکریپت ۲۰۲۰
Deep Learning with JavaScript 2020

یادگیری عمیق، حوزه‌های بینایی ماشین، پردازش تصویر و کاربردهای زبان طبیعی را متحول کرده است. به لطف TensorFlow.js، اکنون توسعه‌دهندگان جاوااسکریپت می‌توانند برنامه‌های یادگیری عمیق را بدون تکیه بر پایتون یا R بسازند. کتاب *یادگیری عمیق با جاوااسکریپت* به توسعه‌دهندگان نشان می‌دهد که چگونه می‌توانند فناوری DL را به وب بیاورند. این کتاب جدید، نوشته شده توسط نویسندگان اصلی کتابخانه TensorFlow، موارد استفاده جذاب و دستورالعمل‌های عمیقی را برای برنامه‌های یادگیری عمیق در جاوااسکریپت در مرورگر یا Node شما ارائه می‌دهد.

پیشگفتار توسط نیکیل تورات و دانیل اسمیکوف.

درباره‌ی فناوری

اجرای برنامه‌های یادگیری عمیق در مرورگر یا در باطن‌های مبتنی بر Node، امکانات هیجان‌انگیزی را برای برنامه‌های وب هوشمند باز می‌کند. با استفاده از کتابخانه TensorFlow.js، می‌توانید مدل‌های یادگیری عمیق را با جاوااسکریپت بسازید و آموزش دهید. TensorFlow.js با ارائه مقیاس‌پذیری، مدولار بودن و پاسخگویی سازش‌ناپذیر با کیفیت تولید، واقعاً به خاطر قابلیت حمل خود می‌درخشد. مدل‌های آن در هر جایی که جاوااسکریپت اجرا می‌شود، کار می‌کنند و ML را بیشتر به بالای پشته برنامه می‌برند.

درباره‌ی کتاب

در کتاب *یادگیری عمیق با جاوااسکریپت*، یاد می‌گیرید که از TensorFlow.js برای ساخت مدل‌های یادگیری عمیق استفاده کنید که مستقیماً در مرورگر اجرا می‌شوند. این کتاب سریع، که توسط مهندسان گوگل نوشته شده است، عملی، جذاب و آسان برای دنبال کردن است. از طریق مثال‌های متنوعی که شامل تجزیه و تحلیل متن، پردازش گفتار، تشخیص تصویر و هوش مصنوعی خودآموز بازی است، بر تمام اصول اولیه یادگیری عمیق مسلط خواهید شد و مفاهیم پیشرفته مانند بازآموزی مدل‌های موجود برای یادگیری انتقالی و تولید تصویر را کشف خواهید کرد.

مطالب داخل کتاب

– پردازش تصویر و زبان در مرورگر
– تنظیم مدل‌های ML با داده‌های سمت کلاینت
– ایجاد متن و تصویر با یادگیری عمیق مولد
– نمونه کد منبع برای آزمایش و اصلاح

درباره‌ی مخاطب

برای برنامه‌نویسان جاوااسکریپت علاقه‌مند به یادگیری عمیق.

درباره‌ی نویسندگان

**شانینگ کای**، **استنلی بیلسکی** و **اریک دی. نیلسن** مهندسان نرم‌افزار با تجربه در تیم Google Brain هستند و در توسعه API سطح بالای TensorFlow.js نقش اساسی داشتند. این کتاب تا حدی بر اساس کتاب کلاسیک *یادگیری عمیق با پایتون* نوشته **فرانسوا شوله** است.

فهرست مطالب:

بخش 1 – انگیزه و مفاهیم اساسی

1 • یادگیری عمیق و جاوااسکریپت

بخش 2 – مقدمه‌ای ساده بر TENSORFLOW.JS

2 • شروع کار: رگرسیون خطی ساده در TensorFlow.js

3 • افزودن غیرخطی بودن: فراتر از مجموع وزن‌دار

4 • تشخیص تصاویر و صداها با استفاده از شبکه‌های کانولوشن

5 • یادگیری انتقالی: استفاده مجدد از شبکه‌های عصبی از پیش آموزش‌دیده

بخش 3 – یادگیری عمیق پیشرفته با TENSORFLOW.JS

6 • کار با داده

7 • تجسم داده‌ها و مدل‌ها

8 • کم‌برازش، بیش‌برازش و گردش‌کار جهانی یادگیری ماشین

9 • یادگیری عمیق برای توالی‌ها و متن

10 • یادگیری عمیق مولد

11 • اصول اولیه یادگیری تقویتی عمیق

بخش 4 – خلاصه و سخن پایانی

12 • آزمایش، بهینه‌سازی و استقرار مدل‌ها

13 • خلاصه، نتیجه‌گیری و فراتر از آن

Deep learning has transformed the fields of computer vision, image processing, and natural language applications. Thanks to TensorFlow.js, now JavaScript developers can build deep learning apps without relying on Python or R. Deep Learning with JavaScript shows developers how they can bring DL technology to the web. Written by the main authors of the TensorFlow library, this new book provides fascinating use cases and in-depth instruction for deep learning apps in JavaScript in your browser or on Node.

Foreword by Nikhil Thorat and Daniel Smilkov.

About the technology

Running deep learning applications in the browser or on Node-based backends opens up exciting possibilities for smart web applications. With the TensorFlow.js library, you build and train deep learning models with JavaScript. Offering uncompromising production-quality scalability, modularity, and responsiveness, TensorFlow.js really shines for its portability. Its models run anywhere JavaScript runs, pushing ML farther up the application stack.

About the book

In Deep Learning with JavaScript, you’ll learn to use TensorFlow.js to build deep learning models that run directly in the browser. This fast-paced book, written by Google engineers, is practical, engaging, and easy to follow. Through diverse examples featuring text analysis, speech processing, image recognition, and self-learning game AI, you’ll master all the basics of deep learning and explore advanced concepts, like retraining existing models for transfer learning and image generation.

What’s inside

– Image and language processing in the browser
– Tuning ML models with client-side data
– Text and image creation with generative deep learning
– Source code samples to test and modify

About the reader

For JavaScript programmers interested in deep learning.

About the author

Shanging Cai, Stanley Bileschi and Eric D. Nielsen are software engineers with experience on the Google Brain team, and were crucial to the development of the high-level API of TensorFlow.js. This book is based in part on the classic, Deep Learning with Python by François Chollet.

TOC:

PART 1 – MOTIVATION AND BASIC CONCEPTS

1 • Deep learning and JavaScript

PART 2 – A GENTLE INTRODUCTION TO TENSORFLOW.JS

2 • Getting started: Simple linear regression in TensorFlow.js

3 • Adding nonlinearity: Beyond weighted sums

4 • Recognizing images and sounds using convnets

5 • Transfer learning: Reusing pretrained neural networks

PART 3 – ADVANCED DEEP LEARNING WITH TENSORFLOW.JS

6 • Working with data

7 • Visualizing data and models

8 • Underfitting, overfitting, and the universal workflow of machine learning

9 • Deep learning for sequences and text

10 • Generative deep learning

11 • Basics of deep reinforcement learning

PART 4 – SUMMARY AND CLOSING WORDS

12 • Testing, optimizing, and deploying models

13 • Summary, conclusions, and beyond