مدل های یادگیری عمیق پیشرفته در TensorFlow: یادگیری ماشین مدرن در اکوسیستم Google Colab ۲۰۲۱
State-of-the-Art Deep Learning Models in TensorFlow: Modern Machine Learning in the Google Colab Ecosystem 2021

دانلود کتاب مدل های یادگیری عمیق پیشرفته در TensorFlow: یادگیری ماشین مدرن در اکوسیستم Google Colab ۲۰۲۱ (State-of-the-Art Deep Learning Models in TensorFlow: Modern Machine Learning in the Google Colab Ecosystem 2021) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

David Paper

ناشر: Apress
voucher-1

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2021

زبان

English

نوع فایل

pdf

حجم

4 Mb

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب مدل های یادگیری عمیق پیشرفته در TensorFlow: یادگیری ماشین مدرن در اکوسیستم Google Colab ۲۰۲۱

از TensorFlow 2.x در اکوسیستم Google Colab برای ساخت مدل های یادگیری عمیق پیشرفته با استفاده از مثال های عملی استفاده کنید. اکوسیستم Colab یک سرویس ابری رایگان با دسترسی آسان به شتاب دهنده های سخت افزاری GPU (و TPU) به صورت درخواستی را برای اجرای سریع مدل های یادگیری ارائه می کند. این کتاب مدل های یادگیری عمیق پیشرفته را به شکلی کاربردی آموزش می دهد و تنها پیش نیاز آن اتصال به اینترنت است. اکوسیستم Colab تمام موارد مورد نیاز شما، از جمله پایتون، TensorFlow 2.x، پشتیبانی از GPU و TPU و Jupyter Notebooks را فراهم می کند.

این کتاب با رویکردی مبتنی بر مثال برای ساخت خطوط لوله ورودی که تمام مدل های یادگیری ماشین را تغذیه می کنند شروع می شود. شما یاد خواهید گرفت که چگونه یک فضای کاری در اکوسیستم Colab را برای ساخت خطوط لوله ورودی موثر به صورت گام به گام فراهم کنید. از آنجا، شما به تکنیک های افزایش داده و مجموعه های داده TensorFlow خواهید پرداخت تا درک عمیق تری از نحوه کار با مجموعه های داده پیچیده به دست آورید. پوشش Tensor Processing Units (TPU) و انتقال یادگیری به همراه مدل های یادگیری عمیق پیشرفته، از جمله خود رمزگذارها، شبکه های مولد متخاصم، انتقال سریع سبک، تشخیص شی و یادگیری تقویتی در این کتاب وجود دارد.

نویسنده کتاب، دکتر Paper، تمام ریاضیات کاربردی، برنامه نویسی و مفاهیمی که برای تسلط بر محتوا به آن نیاز دارید را در این کتاب آورده است. مثال های کتاب از نسبتا ساده تا بسیار پیچیده در صورت لزوم متغیر هستند. مثال ها با دقت توضیح داده شده، مختصر، دقیق و کامل هستند. سعی شده است با استفاده از مثال های واضح در زبان پایتون که می توانید در اکوسیستم Google Colab در خانه یا محل کار خود امتحان و با آنها آزمایش کنید، شما را در هر موضوع راهنمایی کنیم.

آنچه خواهید آموخت

  • استفاده از پشتیبانی داخلی اکوسیستم Google Colab
  • کار با مجموعه های داده TensorFlow
  • ساخت خطوط لوله ورودی برای تغذیه مدل های یادگیری عمیق پیشرفته
  • ساخت مدل های یادگیری عمیق پیشرفته خطی با کد پایتون تمیز و قابل اعتماد
  • استفاده از مدل های پیش آموزش داده شده یادگیری عمیق برای حل کارهای پیچیده یادگیری ماشین
  • ساخت یک محیط ساده برای آموزش یک عامل هوشمند برای اتخاذ تصمیمات خودکار

مناسب برای چه کسانی است
خوانندگانی که می خواهند پلتفرم یادگیری عمیق TensorFlow را که بسیار محبوب است بیاموزند، کسانی که می خواهند اصول مدل های یادگیری عمیق پیشرفته را فرا بگیرند و کسانی که به دنبال کسب مهارت در استفاده از ابزارهای سرویس ابری مدرن مانند Google Colab هستند


فهرست کتاب:

۱. جلد

۲. مطالب اولیه

۱. ایجاد خطوط لوله ورودی TensorFlow

۲. افزایش تنوع مجموعه داده خود با توسعه داده

۳. مجموعه داده های TensorFlow

۴. یادگیری عمیق با مجموعه داده های TensorFlow

۵. مقدمه ای بر واحدهای پردازش تنسور

۶. یادگیری انتقالی ساده با TensorFlow Hub

۷. یادگیری انتقالی پیشرفته

۸. خود رمزگذارهای پشته ای

۹. خود رمزگذارهای کانولوشنی و تغییرپذیر

۱۰. شبکه های مولد متخاصم

۱۱. شبکه های مولد متخاصم رشد تصاعدی

۱۲. انتقال سریع سبک

۱۳. تشخیص اشیا

۱۴. مقدمه ای بر یادگیری تقویتی

۱۷. مطالب انتهایی

توضیحات(انگلیسی)

Use TensorFlow 2.x in the Google Colab ecosystem to create state-of-the-art deep learning models guided by hands-on examples. The Colab ecosystem provides a free cloud service with easy access to on-demand GPU (and TPU) hardware acceleration for fast execution of the models you learn to build. This book teaches you state-of-the-art deep learning models in an applied manner with the only requirement being an Internet connection. The Colab ecosystem provides everything else that you need, including Python, TensorFlow 2.x, GPU and TPU support, and Jupyter Notebooks.

The book begins with an example-driven approach to building input pipelines that feed all machine learning models. You will learn how to provision a workspace on the Colab ecosystem to enable construction of effective input pipelines in a step-by-step manner. From there, you will progress into data augmentation techniques and TensorFlow datasets to gain a deeper understanding of how to work with complex datasets. You will find coverage of Tensor Processing Units (TPUs) and transfer learning followed by state-of-the-art deep learning models, including autoencoders, generative adversarial networks, fast style transfer, object detection, and reinforcement learning.

Author Dr. Paper provides all the applied math, programming, and concepts you need to master the content. Examples range from relatively simple to very complex when necessary. Examples are carefully explained, concise, accurate, and complete. Care is taken to walk you through each topic through clear examples written in Python that you can try out and experiment with in the Google Colab ecosystem in the comfort of your own home or office.

What You Will Learn

  • Take advantage of the built-in support of the Google Colab ecosystem
  • Work with TensorFlow data sets
  • Create input pipelines to feed state-of-the-art deep learning models
  • Create pipelined state-of-the-art deep learning models with clean and reliable Python code
  • Leverage pre-trained deep learning models to solve complex machine learning tasks
  • Create a simple environment to teach an intelligent agent to make automated decisions

Who This Book Is For
Readers who want to learn the highly popular TensorFlow deep learning platform, those who wish to master the basics of state-of-the-art deep learning models, and those looking to build competency with a modern cloud service tool such as Google Colab


Table of Contents

1. Cover

2. Front Matter

1. Build TensorFlow Input Pipelines

2. Increase the Diversity of Your Dataset with Data Augmentation

3. TensorFlow Datasets

4. Deep Learning with TensorFlow Datasets

5. Introduction to Tensor Processing Units

6. Simple Transfer Learning with TensorFlow Hub

7. Advanced Transfer Learning

8. Stacked Autoencoders

9. Convolutional and Variational Autoencoders

10. Generative Adversarial Networks

11. Progressive Growing Generative Adversarial Networks

12. Fast Style Transfer

13. Object Detection

14. An Introduction to Reinforcement Learning

17. Back Matter

دیگران دریافت کرده‌اند

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.