TensorFlow در عمل ۲۰۲۲
TensorFlow in Action 2022

در کتاب TensorFlow در عمل خواهید آموخت:

* اصول پایه‌ای TensorFlow
* پیاده‌سازی شبکه‌های یادگیری عمیق
* انتخاب API سطح بالای Keras برای ساخت مدل با اطمینان
* نوشتن خطوط لوله‌ی جامع و سرتاسری داده
* ساخت مدل برای بینایی کامپیوتر و پردازش زبان طبیعی
* بهره‌گیری از مدل‌های از پیش آموزش‌دیده NLP
* الگوریتم‌های جدید شامل ترانسفورمرها، مدل‌های توجه و ElMo

در TensorFlow در عمل، ضمن یادگیری نحوه‌ی ایجاد برنامه‌های شگفت‌انگیز یادگیری عمیق، به جدیدترین نسخه‌ی فریم‌ورک فوق‌العاده‌ی TensorFlow گوگل وارد خواهید شد. توشان گانگدارا، نویسنده، از داستان‌های جالب، مثال‌های عملی و توضیحات پشت صحنه برای رمزگشایی از مفاهیمی استفاده می‌کند که در غیر این صورت در مقالات آکادمیک متراکم گرفتار می‌شوند. همانطور که به تکنیک‌های مدرن یادگیری عمیق مانند مدل‌های ترانسفورمر و توجه می‌پردازید، از بینش‌های منحصربه‌فرد یکی از مشارکت‌کنندگان برتر StackOverflow در زمینه یادگیری عمیق و NLP بهره‌مند خواهید شد.

درباره‌ی فناوری

فریم‌ورک TensorFlow گوگل در قلب یادگیری عمیق مدرن قرار دارد. TensorFlow با داشتن ویژگی‌های کاربردی مانند پشتیبانی از چند GPU، تجسم داده‌های شبکه و خطوط لوله‌ی آسان تولید با استفاده از TensorFlow Extended (TFX)، کارآمدترین مسیر را برای برنامه‌های هوش مصنوعی حرفه‌ای فراهم می‌کند. و کتابخانه‌ی Keras، که کاملاً در TensorFlow 2 ادغام شده است، ساخت و آموزش حتی مدل‌های پیچیده را برای بینایی، زبان و موارد دیگر آسان می‌کند.

درباره‌ی کتاب

TensorFlow در عمل به شما می‌آموزد که چگونه با استفاده از TensorFlow 2، مدل‌های یادگیری عمیق را بسازید، آموزش دهید و مستقر کنید. در این آموزش عملی، با ایجاد برنامه‌های آماده برای تولید، مانند یک مترجم فرانسوی به انگلیسی و یک شبکه‌ی عصبی که می‌تواند داستان بنویسد، مهارت‌های قابل استفاده‌ی مجدد را به صورت عملی خواهید ساخت. از توضیحات عمیقی که از اصول DL تا برنامه‌های پیشرفته در NLP، پردازش تصویر و MLOps می‌روند، قدردانی خواهید کرد، به همراه جزئیات مهمی که بارها و بارها برای مراجعه به آن‌ها باز خواهید گشت.

مطالب داخل کتاب

* پوشش TensorFlow 2.9
* الگوریتم‌های جدید شامل ترانسفورمرها، مدل‌های توجه و ElMo
* ساخت بر اساس مدل‌های از پیش آموزش‌دیده
* نوشتن خطوط لوله‌ی داده‌ی سرتاسری با TFX

درباره‌ی خواننده

برای برنامه نویسان پایتون با مهارت‌های پایه‌ای یادگیری عمیق.

درباره‌ی نویسنده

توشان گانگدارا مهندس ارشد ML در Canva و متخصص TensorFlow است. او دارای مدرک دکترا در یادگیری ماشین از دانشگاه سیدنی است.

فهرست مطالب

بخش 1: مبانی TensorFlow 2 و یادگیری عمیق
1. دنیای شگفت انگیز TensorFlow
2. TensorFlow 2
3. Keras و بازیابی داده ها در TensorFlow 2
4. فرو بردن انگشتان پا در یادگیری عمیق
5. آخرین وضعیت در یادگیری عمیق: ترانسفورمرها

بخش 2: نگاه کن مامان، بدون دست! شبکه های عمیق در دنیای واقعی
6. آموزش دیدن به ماشین ها: طبقه بندی تصاویر با CNN ها
7. آموزش دیدن بهتر به ماشین ها: بهبود CNN ها و اعتراف گرفتن از آنها
8. تشخیص دادن چیزها از هم: بخش بندی تصویر
9. پردازش زبان طبیعی با TensorFlow: تحلیل احساسات
10. پردازش زبان طبیعی با TensorFlow: مدل سازی زبان

بخش 3: شبکه های عمیق پیشرفته برای مشکلات پیچیده
11. یادگیری دنباله به دنباله: قسمت 1
12. یادگیری دنباله به دنباله: قسمت 2
13. ترانسفورمرها
14. TensorBoard: برادر بزرگ TensorFlow
15. TFX: MLOps و استقرار مدل ها با TensorFlow

In TensorFlow in Action you will learn:

Fundamentals of TensorFlow
Implementing deep learning networks
Picking a high-level Keras API for model building with confidence
Writing comprehensive end-to-end data pipelines
Building models for computer vision and natural language processing
Utilizing pretrained NLP models
Recent algorithms including transformers, attention models, and ElMo

In TensorFlow in Action, you’ll dig into the newest version of Google’s amazing TensorFlow framework as you learn to create incredible deep learning applications. Author Thushan Ganegedara uses quirky stories, practical examples, and behind-the-scenes explanations to demystify concepts otherwise trapped in dense academic papers. As you dive into modern deep learning techniques like transformer and attention models, you’ll benefit from the unique insights of a top StackOverflow contributor for deep learning and NLP.

About the technology
Google’s TensorFlow framework sits at the heart of modern deep learning. Boasting practical features like multi-GPU support, network data visualization, and easy production pipelines using TensorFlow Extended (TFX), TensorFlow provides the most efficient path to professional AI applications. And the Keras library, fully integrated into TensorFlow 2, makes it a snap to build and train even complex models for vision, language, and more.

About the book
TensorFlow in Action teaches you to construct, train, and deploy deep learning models using TensorFlow 2. In this practical tutorial, you’ll build reusable skill hands-on as you create production-ready applications such as a French-to-English translator and a neural network that can write fiction. You’ll appreciate the in-depth explanations that go from DL basics to advanced applications in NLP, image processing, and MLOps, complete with important details that you’ll return to reference over and over.

What’s inside

Covers TensorFlow 2.9
Recent algorithms including transformers, attention models, and ElMo
Build on pretrained models
Writing end-to-end data pipelines with TFX

About the reader
For Python programmers with basic deep learning skills.

About the author
Thushan Ganegedara is a senior ML engineer at Canva and TensorFlow expert. He holds a PhD in machine learning from the University of Sydney.

Table of Contents
PART 1 FOUNDATIONS OF TENSORFLOW 2 AND DEEP LEARNING
1 The amazing world of TensorFlow
2 TensorFlow 2
3 Keras and data retrieval in TensorFlow 2
4 Dipping toes in deep learning
5 State-of-the-art in deep learning: Transformers
PART 2 LOOK MA, NO HANDS! DEEP NETWORKS IN THE REAL WORLD
6 Teaching machines to see: Image classification with CNNs
7 Teaching machines to see better: Improving CNNs and making them confess
8 Telling things apart: Image segmentation
9 Natural language processing with TensorFlow: Sentiment analysis
10 Natural language processing with TensorFlow: Language modeling
PART 3 ADVANCED DEEP NETWORKS FOR COMPLEX PROBLEMS
11 Sequence-to-sequence learning: Part 1
12 Sequence-to-sequence learning: Part 2
13 Transformers
14 TensorBoard: Big brother of TensorFlow
15 TFX: MLOps and deploying models with TensorFlow