یادگیری عمیق با R ۲۰۱۸
Deep Learning with R 2018

یادگیری عمیق با R، دنیای یادگیری عمیق را با استفاده از کتابخانه قدرتمند Keras و رابط زبان R آن معرفی می‌کند. این کتاب از طریق توضیحات شهودی و مثال‌های عملی، درک شما را از یادگیری عمیق می‌سازد.

سفر خود را در دنیای یادگیری عمیق با یادگیری عمیق با R در حرکت، یک دوره ویدئویی عملی و کاربردی که منحصراً در Manning.com (www.manning.com/livevideo/deep-learning-with-r-in-motion) در دسترس است، ادامه دهید.

خرید نسخه چاپی کتاب شامل یک نسخه الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات Manning است.

درباره‌ی فناوری

یادگیری ماشین در سال‌های اخیر پیشرفت چشمگیری داشته است. سیستم‌های یادگیری عمیق اکنون برنامه‌های هوشمند غیرممکن را امکان‌پذیر می‌کنند و انقلابی در تشخیص تصویر و پردازش زبان طبیعی ایجاد کرده و الگوهای پیچیده را در داده‌ها شناسایی می‌کنند. کتابخانه یادگیری عمیق Keras، ابزاری پیشرفته برای مقابله با وظایف یادگیری عمیق را در اختیار دانشمندان داده و توسعه‌دهندگانی که با R کار می‌کنند، قرار می‌دهد.

درباره‌ی کتاب

یادگیری عمیق با R، دنیای یادگیری عمیق را با استفاده از کتابخانه قدرتمند Keras و رابط زبان R آن معرفی می‌کند. این کتاب که در ابتدا برای پایتون با عنوان «یادگیری عمیق با پایتون» توسط فرانسوا شوله، خالق Keras و محقق هوش مصنوعی گوگل نوشته شده و توسط جی. جی. آلیر، بنیانگذار RStudio، برای R اقتباس شده است، درک شما را از یادگیری عمیق از طریق توضیحات شهودی و مثال‌های عملی می‌سازد. شما مهارت‌های جدید خود را با برنامه‌های کاربردی مبتنی بر R در بینایی رایانه، پردازش زبان طبیعی و مدل‌های مولد تمرین خواهید کرد.

مطالب داخل کتاب

* یادگیری عمیق از اصول اولیه
* راه‌اندازی محیط یادگیری عمیق شخصی خود
* دسته‌بندی و تولید تصویر
* یادگیری عمیق برای متن و توالی‌ها

مخاطبان کتاب

شما به مهارت‌های متوسط برنامه‌نویسی R نیاز دارید. هیچ تجربه قبلی در یادگیری ماشین یا یادگیری عمیق فرض نمی‌شود.

درباره نویسندگان

فرانسوا شوله محقق یادگیری عمیق در گوگل و نویسنده کتابخانه Keras است.

جی. جی. آلیر بنیانگذار RStudio و نویسنده رابط‌های R برای TensorFlow و Keras است.

فهرست مطالب

بخش 1 – مبانی یادگیری عمیق
1. یادگیری عمیق چیست؟
2. قبل از شروع: بلوک‌های سازنده ریاضی شبکه‌های عصبی
3. شروع به کار با شبکه‌های عصبی
4. مبانی یادگیری ماشین
بخش 2 – یادگیری عمیق در عمل
5. یادگیری عمیق برای بینایی رایانه
6. یادگیری عمیق برای متن و توالی‌ها
7. بهترین شیوه‌های پیشرفته یادگیری عمیق
8. یادگیری عمیق مولد
9. نتیجه گیری

Deep Learning with R introduces the world of deep learning using the powerful Keras library and its R language interface. The book builds your understanding of deep learning through intuitive explanations and practical examples.

Continue your journey into the world of deep learning with Deep Learning with R in Motion, a practical, hands-on video course available exclusively at Manning.com (www.manning.com/livevideo/deep-​learning-with-r-in-motion).

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

About the Technology

Machine learning has made remarkable progress in recent years. Deep-learning systems now enable previously impossible smart applications, revolutionizing image recognition and natural-language processing, and identifying complex patterns in data. The Keras deep-learning library provides data scientists and developers working in R a state-of-the-art toolset for tackling deep-learning tasks.

About the Book

Deep Learning with R introduces the world of deep learning using the powerful Keras library and its R language interface. Initially written for Python as Deep Learning with Python by Keras creator and Google AI researcher François Chollet and adapted for R by RStudio founder J. J. Allaire, this book builds your understanding of deep learning through intuitive explanations and practical examples. You’ll practice your new skills with R-based applications in computer vision, natural-language processing, and generative models.

What’s Inside

• Deep learning from first principles
• Setting up your own deep-learning environment
• Image classification and generation
• Deep learning for text and sequences

About the Reader

You’ll need intermediate R programming skills. No previous experience with machine learning or deep learning is assumed.

About the Authors

François Chollet is a deep-learning researcher at Google and the author of the Keras library.

J.J. Allaire is the founder of RStudio and the author of the R interfaces to TensorFlow and Keras.

Table of Contents

PART 1 – FUNDAMENTALS OF DEEP LEARNING
1. What is deep learning?
2. Before we begin: the mathematical building blocks of neural networks
3. Getting started with neural networks
4. Fundamentals of machine learning

PART 2 – DEEP LEARNING IN PRACTICE

5. Deep learning for computer vision
6. Deep learning for text and sequences
7. Advanced deep-learning best practices
8. Generative deep learning
9. Conclusions