تسلط بر TensorFlow 2.x ۲۰۲۲
Mastering TensorFlow 2.x 2022

با TensorFlow و Keras به عملکرد واقعی یادگیری عمیق دست یابید

ویژگی‌های کلیدی

● ترکیب تئوری و پیاده‌سازی با کاربردهای دقیق و جزئی.
● پوشش TensorFlow 1.x و 2.x به همراه تشریح مفاهیم.
● آشنایی با آموزش توزیع‌شده، شبکه‌های مولد تخاصمی (GANs) و یادگیری تقویتی.

توضیحات

کتاب “تسلط بر TensorFlow 2.x” برای علاقه‌مندان به ساخت انواع شبکه‌های عصبی با استفاده از APIهای سطح بالای TensorFlow و Keras، یک منبع ضروری برای مطالعه و تمرین است. این کتاب با مبانی TensorFlow و مفاهیم شبکه‌های عصبی آغاز می‌شود و سپس به موضوعات خاصی مانند طبقه‌بندی تصاویر، تشخیص اشیاء، پیش‌بینی سری‌های زمانی و شبکه‌های مولد تخاصمی می‌پردازد.

در حالی که در این کتاب TensorFlow 2.6 را تمرین می‌کنیم، نسخه TensorFlow با گذشت زمان تغییر خواهد کرد. با این حال، همچنان می‌توانید از این کتاب برای مشاهده عملکرد برتر TensorFlow استفاده کنید. این کتاب شامل استفاده از یک Jupyter notebook محلی و استفاده از Google Colab در موارد مختلف از جمله GAN و وظایف طبقه‌بندی تصویر است. در حین بررسی عملکرد TensorFlow، این کتاب همچنین مفاهیم مختلف و توضیحات مفصلی را در مورد یادگیری تقویتی، بهینه‌سازی مدل و مدل‌های سری زمانی پوشش می‌دهد.

آنچه خواهید آموخت

● شروع کار با Tensorflow 2.x و بلوک‌های سازنده اساسی.
● تسلط کامل بر برنامه‌نویسی تابعی با TensorFlow.
● تمرین تجزیه و تحلیل سری‌های زمانی همراه با درک قوی از مفاهیم.
● آشنایی با استفاده از TensorFlow در یادگیری تقویتی و شبکه‌های مولد تخاصمی.
● آموزش مدل‌های توزیع‌شده و نحوه بهینه‌سازی آن‌ها.

این کتاب برای چه کسانی مناسب است

این کتاب برای مهندسان یادگیری ماشین، مهندسان پردازش زبان طبیعی (NLP) و متخصصان یادگیری عمیق که می‌خواهند از عملکرد TensorFlow در پروژه‌های ML و AI خود استفاده کنند، طراحی شده است. انتظار می‌رود خوانندگان با TensorFlow و مبانی یادگیری ماشین آشنایی داشته باشند.

فهرست مطالب

1. شروع به کار با TensorFlow 2.x
2. یادگیری ماشین با TensorFlow 2.x
3. APIهای مبتنی بر Keras
4. شبکه‌های عصبی کانولوشن در Tensorflow
5. پردازش متن با TensorFlow 2.x
6. پیش‌بینی سری‌های زمانی با TensorFlow 2.x
7. آموزش توزیع‌شده و خطوط لوله DataInput
8. یادگیری تقویتی
9. بهینه‌سازی مدل
10. شبکه‌های مولد تخاصمی

Work with TensorFlow and Keras for real performance of deep learning

 

KEY FEATURES  

● Combines theory and implementation with in-detail use-cases.

● Coverage on both, TensorFlow 1.x and 2.x with elaborated concepts.

● Exposure to Distributed Training, GANs and Reinforcement Learning.

 

DESCRIPTION 

Mastering TensorFlow 2.x is a must to read and practice if you are interested in building various kinds of neural networks with high level TensorFlow and Keras APIs. The book begins with the basics of TensorFlow and neural network concepts, and goes into specific topics like image classification, object detection, time series forecasting and Generative Adversarial Networks.

 

While we are practicing TensorFlow 2.6 in this book, the version of Tensorflow will change with time; however you can still use this book to witness how Tensorflow outperforms. This book includes the use of a local Jupyter notebook and the use of Google Colab in various use cases including GAN and Image classification tasks. While you explore the performance of TensorFlow, the book also covers various concepts and in-detail explanations around reinforcement learning, model optimization and time series models.

 

WHAT YOU WILL LEARN

● Getting started with Tensorflow 2.x and basic building blocks.

● Get well versed in functional programming with TensorFlow.

● Practice Time Series analysis along with strong understanding of concepts.

● Get introduced to use of TensorFlow in Reinforcement learning and Generative Adversarial Networks.

● Train distributed models and how to optimize them.

WHO THIS BOOK IS FOR

This book is designed for machine learning engineers, NLP engineers and deep learning practitioners who want to utilize the performance of TensorFlow in their ML and AI projects. Readers are expected to have some familiarity with Tensorflow and the basics of machine learning would be helpful.

 

TABLE OF CONTENTS

1. Getting started with TensorFlow 2.x

2. Machine Learning with TensorFlow 2.x

3. Keras based APIs

4. Convolutional Neural Networks in Tensorflow

5. Text Processing with TensorFlow 2.x

6. Time Series Forecasting with TensorFlow 2.x

7. Distributed Training and DataInput pipelines

8. Reinforcement Learning

9. Model Optimization

10. Generative Adversarial Networks