Sale
TensorFlow ۲.x در ابر کولاَب: مقدمه ای بر یادگیری عمیق در سرویس ابری گوگل ۲۰۲۱
TensorFlow 2.x in the Colaboratory Cloud: An Introduction to Deep Learning on Google’s Cloud Service 2021
دانلود کتاب TensorFlow ۲.x در ابر کولاَب: مقدمه ای بر یادگیری عمیق در سرویس ابری گوگل ۲۰۲۱ (TensorFlow 2.x in the Colaboratory Cloud: An Introduction to Deep Learning on Google’s Cloud Service 2021) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
David Paper |
|---|
ناشر:
Apress
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2021 |
|---|---|
| زبان |
English |
| نوع فایل |
|
| حجم |
3 Mb |
🏷️ قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
هوشمصنوعی ترجمه کالیبو
توضیحات
معرفی کتاب TensorFlow ۲.x در ابر کولاَب: مقدمه ای بر یادگیری عمیق در سرویس ابری گوگل ۲۰۲۱
از TensorFlow 2.x همراه با محصول Google Colaboratory (Colab) که یک سرویس ابری رایگان برای برنامه نویسان پایتون ارائه می دهد، استفاده کنید. Colab به ویژه به عنوان یک پلتفرم برای برنامه های یادگیری عمیق TensorFlow 2.x بسیار مناسب است. شما با نصب پیش فرض Colab از جدیدترین TensorFlow 2.x و همچنین دسترسی آسان Colab به شتاب سخت افزاری GPU درخواستی در ابر برای اجرای سریع مدل های یادگیری عمیق آشنا خواهید شد. این کتاب به شما فرصت می دهد تا یادگیری عمیق را به طور کاربردی درک کنید، تنها چیزی که نیاز دارید اتصال به اینترنت است. همه چیز دیگر – پایتون، TensorFlow 2.x، پشتیبانی GPU و دفترچه های Jupyter – از Colab در دسترس است و آماده کار است.
این کتاب با معرفی TensorFlow 2.x و سرویس ابری Google Colab آغاز می شود. شما یاد می گیرید که چگونه یک فضای کاری را در Google Colab ایجاد کنید و یک برنامه ساده شبکه عصبی را بسازید. از آنجا به مجموعه داده های TensorFlow و ساخت خطوط لوله ورودی برای پشتیبانی از مدل سازی و آزمایش خواهید پرداخت. شما با پوشش طبقه بندی و رگرسیون یادگیری عمیق، همراه با مثال های کد واضح که نحوه انجام هر یک از این توابع را نشان می دهند، مواجه خواهید شد. مباحث پیشرفته ای که در این کتاب مورد بحث قرار می گیرد شامل شبکه های عصبی کانولوشنال و شبکه های عصبی بازگشتی است. این کتاب شامل تمام ریاضیات کاربردی و برنامه نویسی است که برای تسلط بر محتوا به آن نیاز دارید. مثال ها از ساده تا نسبتا پیچیده (در صورت لزوم) برای اطمینان از کسب مفاهیم و ساختارهای مناسب یادگیری عمیق متغیر هستند. مثال ها به طور دقیق توضیح داده شده، مختصر، دقیق و کامل هستند تا به طور کامل توسعه مهارت یادگیری عمیق را تکمیل کنند. با دقت شما را از طریق اصول بنیادی یادگیری عمیق از طریق مثال های واضحی که به زبان پایتون نوشته شده و می توانید آنها را با استفاده از Google Colab از راحتی خانه یا دفتر خود امتحان و آزمایش کنید، راهنمایی می کنیم.
آنچه خواهید آموخت
- با مفاهیم و ساختارهای اساسی یادگیری عمیق کاربردی آشنا شوید
- مدل های یادگیری ماشین را با کد پایتون تمیز و قابل اعتماد ایجاد کنید
- با مجموعه داده های رایج در برنامه های یادگیری عمیق کار کنید
- داده ها را برای مصرف TensorFlow آماده کنید
- از پشتیبانی داخلی Google Colab برای یادگیری عمیق استفاده کنید
- آزمایش های یادگیری عمیق را با استفاده از انواع مدل های شبکه عصبی اجرا کنید
- بتوانید Google Colab را مستقیماً به حساب Google Drive خود وصل کنید
- عملکرد آموزش در مقابل تست را تجسم کنید تا مناسب بودن مدل را مشاهده کنید
این کتاب برای چه کسانی مناسب است
خوانندگانی که می خواهند پلتفرم یادگیری عمیق TensorFlow 2.x بسیار محبوب را یاد بگیرند، کسانی که می خواهند اصول اولیه یادگیری عمیق را که گاهی اوقات در عجله برای بهره وری از آن چشم پوشی می شود، مسلط شوند و کسانی که به دنبال ایجاد مهارت با یک ابزار سرویس ابری مدرن مانند Google Colab هستند
فهرست کتاب:
۱. جلد
۲. مطالب آغازین
۱. مقدمهای بر یادگیری عمیق
۲. ساخت اولین شبکه عصبی خود با گوگل کولب
۳. کار با دادههای TensorFlow
۴. کار با سایر دادهها
۵. طبقهبندی
۶. رگرسیون
۷. شبکههای عصبی کانولوشنال
۸. تولید خودکار متن
۹. تحلیل احساسات
۱۰. پیشبینی سریهای زمانی با RNNها
۱۳. مطالب پایانی
توضیحات(انگلیسی)
Use TensorFlow 2.x with Google’s Colaboratory (Colab) product that offers a free cloud service for Python programmers. Colab is especially well suited as a platform for TensorFlow 2.x deep learning applications. You will learn Colab’s default install of the most current TensorFlow 2.x along with Colab’s easy access to on-demand GPU hardware acceleration in the cloud for fast execution of deep learning models. This book offers you the opportunity to grasp deep learning in an applied manner with the only requirement being an Internet connection. Everything else—Python, TensorFlow 2.x, GPU support, and Jupyter Notebooks—is provided and ready to go from Colab.
The book begins with an introduction to TensorFlow 2.x and the Google Colab cloud service. You will learn how to provision a workspace on Google Colab and build a simple neural network application. From there you will progress into TensorFlow datasets and building input pipelines in support of modeling and testing. You will find coverage of deep learning classification and regression, with clear code examples showing how to perform each of those functions. Advanced topics covered in the book include convolutional neural networks and recurrent neural networks. This book contains all the applied math and programming you need to master the content. Examples range from simple to relatively complex when necessary to ensure acquisition of appropriate deep learning concepts and constructs. Examples are carefully explained, concise, accurate, and complete to perfectly complement deep learning skill development. Care is taken to walk you through the foundational principles of deep learning through clear examples written in Python that you can try out and experiment with using Google Colab from the comfort of your own home or office.
What You Will Learn
- Be familiar with the basic concepts and constructs of applied deep learning
- Create machine learning models with clean and reliable Python code
- Work with datasets common to deep learning applications
- Prepare data for TensorFlow consumption
- Take advantage of Google Colab’s built-in support for deep learning
- Execute deep learning experiments using a variety of neural network models
- Be able to mount Google Colab directly to your Google Drive account
- Visualize training versus test performance to see model fit
Who This Book Is For
Readers who want to learn the highly popular TensorFlow 2.x deep learning platform, those who wish to master deep learning fundamentals that are sometimes skipped over in the rush to be productive, 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. Introduction to Deep Learning
2. Build Your First Neural Network with Google Colab
3. Working with TensorFlow Data
4. Working with Other Data
5. Classification
6. Regression
7. Convolutional Neural Networks
8. Automated Text Generation
9. Sentiment Analysis
10. Time Series Forecasting with RNNs
13. 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.
