دانلود کتاب Advanced Deep Learning with TensorFlow 2 and Keras: Apply DL, GANs, VAEs, deep RL, unsupervised learning, object detection and segmentation, and more, 2nd Edition – یادگیری عمیق پیشرفته با TensorFlow 2 و Keras: اعمال DL، GAN، VAE، RL عمیق، یادگیری بدون نظارت، تشخیص و تقسیم بندی اشیا و موارد دیگر، نسخه دوم

توضیحات

Updated and revised second edition of the bestselling guide to advanced deep learning with TensorFlow 2 and Keras

Key Features

• Explore the most advanced deep learning techniques that drive modern AI results
• New coverage of unsupervised deep learning using mutual information, object detection, and semantic segmentation
• Completely updated for TensorFlow 2.x

Book Description

Advanced Deep Learning with TensorFlow 2 and Keras, Second Edition is a completely updated edition of the bestselling guide to the advanced deep learning techniques available today. Revised for TensorFlow 2.x, this edition introduces you to the practical side of deep learning with new chapters on unsupervised learning using mutual information, object detection (SSD), and semantic segmentation (FCN and PSPNet), further allowing you to create your own cutting-edge AI projects.

Using Keras as an open-source deep learning library, the book features hands-on projects that show you how to create more effective AI with the most up-to-date techniques.

Starting with an overview of multi-layer perceptrons (MLPs), convolutional neural networks (CNNs), and recurrent neural networks (RNNs), the book then introduces more cutting-edge techniques as you explore deep neural network architectures, including ResNet and DenseNet, and how to create autoencoders. You will then learn about GANs, and how they can unlock new levels of AI performance.

Next, you’ll discover how a variational autoencoder (VAE) is implemented, and how GANs and VAEs have the generative power to synthesize data that can be extremely convincing to humans. You’ll also learn to implement DRL such as Deep Q-Learning and Policy Gradient Methods, which are critical to many modern results in AI.

What you will learn

• Use mutual information maximization techniques to perform unsupervised learning
• Use segmentation to identify the pixel-wise class of each object in an image
• Identify both the bounding box and class of objects in an image using object detection
• Learn the building blocks for advanced techniques – MLPss, CNN, and RNNs
• Understand deep neural networks – including ResNet and DenseNet
• Understand and build autoregressive models autoencoders, VAEs, and GANs
• Discover and implement deep reinforcement learning methods

Who this book is for

This is not an introductory book, so fluency with Python is required. The reader should also be familiar with some machine learning approaches, and practical experience with DL will also be helpful. Knowledge of Keras or TensorFlow 2.0 is not required but is recommended.

Table of Contents

1. Introducing Advanced Deep Learning with Keras
2. Deep Neural Networks
3. Autoencoders
4. Generative Adversarial Networks (GANs)
5. Improved GANs
6. Disentangled Representation GANs
7. Cross-Domain GANs
8. Variational Autoencoders (VAEs)
9. Deep Reinforcement Learning
10. Policy Gradient Methods
11. Object Detection
12. Semantic Segmentation
13. Unsupervised Learning Using Mutual Information

————————————————————–

ترجمه ماشینی :

ویرایش دوم پرفروش ترین راهنمای یادگیری عمیق پیشرفته با TensorFlow 2 و Keras به روز شده و اصلاح شده

ویژگی های کلیدی

• بیشترین موارد را کاوش کنید تکنیک‌های یادگیری عمیق پیشرفته که نتایج هوش مصنوعی مدرن را هدایت می‌کنند
• پوشش جدید یادگیری عمیق بدون نظارت با استفاده از اطلاعات متقابل، تشخیص اشیا و تقسیم‌بندی معنایی
• به‌طور کامل برای TensorFlow 2.x به‌روزرسانی شده است

شرح کتاب

آموزش عمیق پیشرفته با TensorFlow 2 و Keras، نسخه دوم نسخه کاملاً به روز شده راهنمای پرفروش تکنیک های پیشرفته یادگیری عمیق است که امروزه در دسترس است. این نسخه که برای TensorFlow 2.x بازبینی شده است، شما را با جنبه عملی یادگیری عمیق همراه با فصول جدید در مورد یادگیری بدون نظارت با استفاده از اطلاعات متقابل، تشخیص اشیا (SSD) و بخش‌بندی معنایی (FCN و PSPNet) آشنا می‌کند و به شما این امکان را می‌دهد که خودتان را ایجاد کنید. پروژه های پیشرفته هوش مصنوعی

با استفاده از Keras به عنوان یک کتابخانه یادگیری عمیق منبع باز، این کتاب دارای پروژه های عملی است که به شما نشان می دهد چگونه با به روزترین تکنیک ها، هوش مصنوعی موثرتری ایجاد کنید.

این کتاب با مروری بر پرسپترون‌های چند لایه (MLP)، شبکه‌های عصبی کانولوشنال (CNN) و شبکه‌های عصبی مکرر (RNN) شروع می‌شود، سپس با بررسی شبکه‌های عصبی عمیق، تکنیک‌های پیشرفته‌تری را معرفی می‌کند. معماری ها، از جمله ResNet و DenseNet، و نحوه ایجاد رمزگذارهای خودکار. سپس در مورد GAN ها و نحوه باز کردن سطوح جدیدی از عملکرد هوش مصنوعی خواهید آموخت.

در مرحله بعد، خواهید فهمید که چگونه یک رمزگذار خودکار متغیر (VAE) پیاده سازی می شود، و چگونه GAN ها و VAE ها قدرت تولیدی برای ترکیب داده هایی دارند که می تواند برای انسان بسیار متقاعد کننده باشد. همچنین پیاده سازی DRL مانند Deep Q-Learning و Policy Gradient Methods را یاد خواهید گرفت که برای بسیاری از نتایج مدرن در هوش مصنوعی بسیار مهم هستند.

آنچه خواهید آموخت

• از تکنیک‌های به حداکثر رساندن اطلاعات متقابل برای انجام یادگیری بدون نظارت استفاده کنید
• از تقسیم‌بندی برای شناسایی کلاس پیکسلی هر شی در یک تصویر استفاده کنید
• هم جعبه مرزی و هم کلاس اشیاء را در یک تصویر شناسایی کنید. با استفاده از تشخیص شی
• بلوک های ساختمانی برای تکنیک های پیشرفته را بیاموزید – MLPss، CNN، و RNN
• درک شبکه های عصبی عمیق – از جمله ResNet و DenseNet
• درک و ساخت رمزگذارهای خودکار، VAE و GAN مدل‌های اتورگرسیو
• روش‌های یادگیری تقویتی عمیق را کشف و اجرا کنید

این کتاب برای چه کسی است

این یک مقدمه نیست کتاب، بنابراین تسلط به پایتون لازم است. خواننده همچنین باید با برخی از رویکردهای یادگیری ماشین آشنا باشد و تجربه عملی با DL نیز مفید خواهد بود. دانش Keras یا TensorFlow 2.0 لازم نیست اما توصیه می شود.

فهرست مطالب

1. معرفی یادگیری عمیق پیشرفته با Keras
2. شبکه های عصبی عمیق< /li>
3. رمزگذارهای خودکار
4. شبکه‌های متخاصم مولد (GAN)
5. GAN‌های بهبودیافته
6. GAN‌های بازنمایی جداشده
7. GAN‌های متقابل دامنه
8. رمزگذارهای خودکار متغیر (VAE)
9. یادگیری تقویت عمیق
10. روش های گرادیان خط مشی
11. تشخیص شی
12. تقسیم بندی معنایی
13. یادگیری بدون نظارت با استفاده از اطلاعات متقابل

tag : دانلود کتاب یادگیری عمیق پیشرفته با TensorFlow 2 و Keras: اعمال DL، GAN، VAE، RL عمیق، یادگیری بدون نظارت، تشخیص و تقسیم بندی اشیا و موارد دیگر، نسخه دوم , Download یادگیری عمیق پیشرفته با TensorFlow 2 و Keras: اعمال DL، GAN، VAE، RL عمیق، یادگیری بدون نظارت، تشخیص و تقسیم بندی اشیا و موارد دیگر، نسخه دوم , دانلود یادگیری عمیق پیشرفته با TensorFlow 2 و Keras: اعمال DL، GAN، VAE، RL عمیق، یادگیری بدون نظارت، تشخیص و تقسیم بندی اشیا و موارد دیگر، نسخه دوم , Download Advanced Deep Learning with TensorFlow 2 and Keras: Apply DL, GANs, VAEs, deep RL, unsupervised learning, object detection and segmentation, and more, 2nd Edition Book , یادگیری عمیق پیشرفته با TensorFlow 2 و Keras: اعمال DL، GAN، VAE، RL عمیق، یادگیری بدون نظارت، تشخیص و تقسیم بندی اشیا و موارد دیگر، نسخه دوم دانلود , buy یادگیری عمیق پیشرفته با TensorFlow 2 و Keras: اعمال DL، GAN، VAE، RL عمیق، یادگیری بدون نظارت، تشخیص و تقسیم بندی اشیا و موارد دیگر، نسخه دوم , خرید کتاب یادگیری عمیق پیشرفته با TensorFlow 2 و Keras: اعمال DL، GAN، VAE، RL عمیق، یادگیری بدون نظارت، تشخیص و تقسیم بندی اشیا و موارد دیگر، نسخه دوم , دانلود کتاب Advanced Deep Learning with TensorFlow 2 and Keras: Apply DL, GANs, VAEs, deep RL, unsupervised learning, object detection and segmentation, and more, 2nd Edition , کتاب Advanced Deep Learning with TensorFlow 2 and Keras: Apply DL, GANs, VAEs, deep RL, unsupervised learning, object detection and segmentation, and more, 2nd Edition , دانلود Advanced Deep Learning with TensorFlow 2 and Keras: Apply DL, GANs, VAEs, deep RL, unsupervised learning, object detection and segmentation, and more, 2nd Edition , خرید Advanced Deep Learning with TensorFlow 2 and Keras: Apply DL, GANs, VAEs, deep RL, unsupervised learning, object detection and segmentation, and more, 2nd Edition , خرید کتاب Advanced Deep Learning with TensorFlow 2 and Keras: Apply DL, GANs, VAEs, deep RL, unsupervised learning, object detection and segmentation, and more, 2nd Edition ,