کتاب یادگیری عمیق

Question

سلام .

قصد دارم در این پست کتاب های مربوط به یادگیری عمیق تو حوزه های مختلف را برای علاقه مندان جهت دانلود قرار بدم.

Answer 1

Hands-on Machine Learning with ScikitLearn, Keras, and TensorFlow

لینک دانلود

در طی یک سری پیشرفت‌های اخیر، یادگیری عمیق کل زمینه یادگیری ماشین را افزایش داده‌است. در حال حاضر حتی برنامه نویسان که چیزی در این زمینه نمی‌دانند می‌توانند از ابزارهای ساده و کارآمد برای اجرای برنامه‌هایی که قادر به یادگیری از داده‌ها هستند استفاده کنند. این کتاب عملی به شما نشان می‌دهد که چطور.

 

با استفاده از نمونه‌های بتونی، حداقل تیوری و دو قالب پایتون آماده برای تولید - یادگیری و TensorFlow - نویسنده به شما کمک می‌کند درک شهودی از مفاهیم و ابزارهایی برای ساخت سیستم‌های هوشمند به دست آورید. شما یک سری تکنیک‌ها را یاد خواهید گرفت که از رگرسیون خطی ساده شروع‌شده و به سمت شبکه‌های عصبی عمیق پیش می‌رود. با ورزش در هر بخش برای کمک به استفاده از آنچه یاد گرفتید، تمام چیزی که نیاز دارید تجربه برنامه‌ریزی برای شروع است.

 

بررسی چشم‌انداز یادگیری ماشین، به خصوص شبکه‌های عصبی - یادگیری چند مدل آموزشی، از جمله ماشین‌های بردار پشتیبان، درخت‌های تصمیم‌گیری، جنگل‌های تصادفی، و روش‌های گروهی استفاده از کتابخانه TensorFlow برای ساخت و آموزش شبکه‌های عصبی برای یادگیری و یادگیری شبکه‌های عصبی عمیق

 

 

Answer 2

 

Deep Learning with TensorFlow

 

لینک دانلود

 

این کتاب برای توسعه دهندگان، تحلیل گران داده، متخصصان یادگیری ماشین و علاقه مندان به یادگیری عمیق که می‌خواهند مدل‌های پیش‌بینی قوی، قوی و دقیق را با قدرت TensorFlow ترکیب کنند و با دیگر کتابخانه‌های پایتون منبع باز ترکیب شوند، در نظر گرفته شده‌است.

 

در سراسر این کتاب، یاد می‌گیرید که چگونه برنامه‌های یادگیری عمیق را برای سیستم‌های یادگیری ماشین با استفاده از شبکه‌های عصبی مصنوعی، شبکه‌های عصبی مصنوعی، شبکه‌های عصبی مصنوعی، شبکه‌های عصبی مصنوعی، Autoencoders و ماشین‌های Factorization توسعه دهید. کشف کنید که چگونه به یک روش توزیع‌شده به یادگیری عمیق دست یابید.

Answer 3

intelligent-mobile-projects-tensorflow

 

لینک دانلود

ایجاد برنامه‌های یادگیری عمیق و یادگیری تقویتی برای پلت فرم‌های چندگانه با قابلیت یادگیری تقویتی برای دستگاه‌های همراه و جاسازی‌شده در ابزارهای تعبیه‌شده، شما همیشه نیاز دارید که یک چشم را بیرون نگاه دارید و برای چیزی که به زودی گرایش پیدا خواهد شد، آماده باشید، در حالی که در حال حاضر روی گرایش what's نیز تمرکز دارید. بنابراین، بهتر از یادگیری در مورد ادغام بهترین‌های هر دو جهان، حال و آینده؟ هوش مصنوعی (AI) به طور گسترده به عنوان یک چیز بزرگ بعدی بعد از تلفن همراه شناخته می‌شود، و Google's TensorFlow یک چارچوب یادگیری ماشین منبع باز، به عنوان گرم‌ترین شاخه از هوش مصنوعی است. این کتاب بیش از ۱۰ iOS کامل، آندروید و Raspberry Pi را که با TensorFlow ساخته و ساخته شده‌اند را پوشش می‌دهد، همه انواع مدل‌های TensorFlow سرد را بر روی دستگاه اجرا می‌کند: از دید رایانه‌ای، پردازش گفتار و زبان برای تولید شبکه‌های خصمانه و AlphaZero - مانند یادگیری تقویتی عمیق. شما یاد می‌گیرید چطور از مدل‌های TensorFlow موجود استفاده کنید، مدل‌های خود را بسازید، و برنامه‌های هوشمند همراه با مدل‌های TensorFlow را توسعه دهید. شما یاد می‌گیرید چطور به سرعت این برنامه‌ها را با آموزش‌های گام‌به‌گام راه‌اندازی کنید و چطور از بسیاری از دام‌های خود در فرآیند اجتناب کنید.

Answer 4

 

Machine Learning with TensorFlow

 

لینک دانلود

 

یادگیری ماشینی خلاصه, به خوانندگان یک پایه محکم در مفاهیم یادگیری ماشین به همراه تجربه کار با زبان پایتون می‌دهد.

 

در مورد تکنولوژی کامپیوتر, کتابخانه گوگل برای یادگیری ماشین در مقیاس بزرگ, اغلب محاسبات پیچیده را با نشان دادن آن‌ها به صورت نمودارها و نگاشت کارآمد بخش‌هایی از گراف‌ها به ماشین‌ها در یک خوشه یا به پردازشگر تک ماشین ساده می‌کند.

 

در مورد یادگیری ماشین کتاب با کامپیوتر, به خوانندگان یک پایه محکم در مفاهیم یادگیری ماشین به همراه تجربه کار با زبان پایتون می‌دهد. اصول اولیه را با کار با روش‌های کلاسیک پیش‌بینی, طبقه‌بندی و خوشه‌بندی یاد می‌گیرید. سپس به بخش پولی خواهید رفت: کشف مفاهیم یادگیری عمیق مانند شبکه‌های عصبی بازگشتی, شبکه‌های عصبی بازگشتی و یادگیری تقویتی. این کتاب را هضم کنید و برای یادگیری ماشینی و یادگیری عمیق خودتان آماده باشید.

 

آنچه در داخل منطبق با وظایف خود برای یادگیری ماشینی درست و یادگیری عمیق است, الگوریتم‌های تصویرسازی با درک بهتر و استفاده از شبکه‌های عصبی در مورد خواننده نوشته شده برای توسعه دهندگان با مفاهیم پایتون و جبری مثل بردارها و ماتریس‌ها هستند.