یادگیری هوش مصنوعی با پایتون ۲۰۲۱
Learn AI with Python 2021

با استفاده از پایتون، برنامه‌های هوش مصنوعی بسازید تا به طور هوشمندانه با دنیای اطرافتان تعامل داشته باشید.ویژگی‌های کلیدی

● پوشش جنبه‌های عملی یادگیری ماشین و مفاهیم یادگیری عمیق با کمک این راهنمای غنی از مثال برای پایتون.

● شامل تصاویر گرافیکی از پردازش زبان طبیعی و پیاده‌سازی آن در NLTK.

● پوشش مدل‌های یادگیری عمیق مانند R-CNN و YOLO برای تشخیص اشیا و آموزش نحوه ساخت یک طبقه‌بندی‌کننده تصویر با استفاده از CNN.

توضیحات

کتاب “یادگیری هوش مصنوعی با پایتون” به منظور ارائه درک کاملی از هوش مصنوعی و همچنین ابزارهای لازم برای ایجاد برنامه‌های هوشمند شما طراحی شده است.

این کتاب شما را با هوش مصنوعی آشنا می‌کند و شما را در فرآیند ایجاد یک محیط هوش مصنوعی در پلتفرم‌های مختلف راهنمایی می‌کند. این کتاب به مدل‌های یادگیری ماشین و تکنیک‌های مختلف مدل‌سازی پیش‌بینی‌کننده، از جمله طبقه‌بندی، رگرسیون و خوشه‌بندی می‌پردازد. علاوه بر این، از طریق مثال‌های دنیای واقعی و پیاده‌سازی کامل پایتون، تجربه عملی با برنامه‌نویسی منطقی، ASR، شبکه‌های عصبی و پردازش زبان طبیعی را فراهم می‌کند. در نهایت، کتاب به مدل‌های عمیق یادگیری مانند R-CNN و YOLO می‌پردازد. تشخیص اشیا در تصاویر نیز با استفاده از شبکه‌های عصبی کانولوشن (CNN) که به طور مفصل توضیح داده شده‌اند، شرح داده می‌شود.

در پایان این کتاب، درک کاملی از تکنیک‌های یادگیری ماشین و یادگیری عمیق خواهید داشت، و همچنین یک روش هدایت‌شده برای فرمول‌بندی و حل مسائل مربوطه.

آنچه خواهید آموخت

● یادگیری نحوه پیاده‌سازی الگوریتم‌های مختلف یادگیری ماشین و یادگیری عمیق برای دستیابی به نتایج هوشمندانه.

● درک اینکه چگونه الگوریتم‌های ML را می‌توان در برنامه‌های کاربردی واقعی به کار برد.

● کاوش در برنامه‌نویسی منطقی و یادگیری نحوه استفاده عملی از آن برای حل مسائل واقعی.

● یادگیری نحوه توسعه انواع مختلف شبکه‌های عصبی مصنوعی با پایتون.

● درک یادگیری تقویتی و نحوه ساخت یک محیط و عامل‌ها با استفاده از پایتون.

● کار با NLTK و ساخت یک سیستم تشخیص گفتار خودکار.

این کتاب برای چه کسانی مناسب است

این کتاب برای هر کسی که علاقه‌مند به یادگیری در مورد هوش مصنوعی و به کارگیری آن در عمل با پایتون است، مناسب است. این کتاب همچنین برای متخصصان یادگیری ماشین سطح متوسط به عنوان یک راهنمای مرجع ارزشمند است. خوانندگان باید با درک اساسی برنامه‌نویسی پایتون و تکنیک‌های یادگیری ماشین آشنا باشند.

فهرست مطالب

1. مقدمه‌ای بر هوش مصنوعی و پایتون
2. یادگیری ماشین و الگوریتم‌های آن
3. طبقه‌بندی و رگرسیون با استفاده از یادگیری نظارت‌شده
4. خوشه‌بندی با استفاده از یادگیری بدون نظارت
5. حل مسائل با برنامه‌نویسی منطقی
6. پردازش زبان طبیعی با پایتون
7. پیاده‌سازی تشخیص گفتار با پایتون
8. پیاده‌سازی شبکه عصبی مصنوعی (ANN) با پایتون
9. پیاده‌سازی یادگیری تقویتی با پایتون
10. پیاده‌سازی یادگیری عمیق و شبکه عصبی کانولوشن

Build AI applications using Python to intelligently interact with the world around you.

KEY FEATURES

● Covers the practical aspects of Machine Learning and Deep Learning concepts with the help of this example-rich guide to Python.

● Includes graphical illustrations of Natural Language Processing and its implementation in NLTK.

● Covers deep learning models such as R-CNN and YOLO for object recognition and teaches how to build an image classifier using CNN.

DESCRIPTION

The book ‘Learn AI with Python’ is intended to provide you with a thorough understanding of artificial intelligence as well as the tools necessary to create your intelligent applications.

This book introduces you to artificial intelligence and walks you through the process of establishing an  AI environment on a variety of platforms. It dives into machine learning models and various predictive modeling techniques, including classification, regression, and clustering. Additionally,  it provides hands-on experience with logic programming, ASR, neural networks, and natural language processing through real-world examples and fully functional Python implementation. Finally, the book deals with profound models of learning such as R-CNN and YOLO. Object detection in images is also explained in detail using Convolutional Neural Networks (CNNs), which are also explained.

 

By the end of this book, you will have a firm grasp of machine learning and deep learning techniques, as well as a steered methodology for formulating and solving related problems.

WHAT YOU WILL LEARN

● Learn to implement various machine learning and deep learning algorithms to achieve smart results.

● Understand how ML algorithms can be applied to real-life applications.

● Explore logic programming and learn how to use it practically to solve real-life problems.

● Learn to develop different types of artificial neural networks with Python.

● Understand reinforcement learning and how to build an environment and agents using Python.

● Work with NLTK and build an automatic speech recognition system.

 

WHO THIS BOOK IS FOR

This book is for anyone interested in learning about artificial intelligence and putting it into practice with Python. This book is also valuable for intermediate Machine Learning practitioners as a reference guide. Readers should be familiar with the fundamental understanding of Python programming and machine learning techniques.

TABLE OF CONTENTS

1. Introduction to AI and Python

2. Machine Learning and Its Algorithms

3. Classification and Regression Using Supervised Learning

4. Clustering Using Unsupervised Learning

5. Solving Problems with Logic Programming

6. Natural Language Processing with Python

7. Implementing Speech Recognition with Python

8. Implementing Artificial Neural Network (ANN) with Python

9. Implementing Reinforcement Learning with Python

10. Implementing Deep Learning and Convolutional Neural Network