توضیحات
Deep learning is often viewed as the exclusive domain of math PhDs and big tech companies. But as this hands-on guide demonstrates, programmers comfortable with Python can achieve impressive results in deep learning with little math background, small amounts of data, and minimal code. How? With fastai, the first library to provide a consistent interface to the most frequently used deep learning applications.
Authors Jeremy Howard and Sylvain Gugger, the creators of fastai, show you how to train a model on a wide range of tasks using fastai and PyTorch. Youll also dive progressively further into deep learning theory to gain a complete understanding of the algorithms behind the scenes.
Train models in computer vision, natural language processing, tabular data, and collaborative filtering
Learn the latest deep learning techniques that matter most in practice
Improve accuracy, speed, and reliability by understanding how deep learning models work
Discover how to turn your models into web applications
Implement deep learning algorithms from scratch
Consider the ethical implications of your work
Gain insight from the foreword by PyTorch cofounder, Soumith Chintala
————————————————————–
ترجمه ماشینی :
یادگیری عمیق اغلب به عنوان حوزه انحصاری دکترای ریاضی و شرکت های بزرگ فناوری در نظر گرفته می شود. اما همانطور که این راهنمای عملی نشان میدهد، برنامهنویسانی که با پایتون راحت هستند، میتوانند با پیشزمینه ریاضی کم، مقادیر کم داده و حداقل کد به نتایج چشمگیری در یادگیری عمیق دست یابند. چگونه؟ با fastai، اولین کتابخانه ای که یک رابط سازگار برای برنامه های کاربردی یادگیری عمیق که اغلب استفاده می شود، ارائه می دهد. نویسندگان جرمی هوارد و سیلوین گوگر، خالقان fastai، به شما نشان میدهند که چگونه با استفاده از fastai و PyTorch یک مدل را در طیف وسیعی از وظایف آموزش دهید. همچنین برای به دست آوردن درک کاملی از الگوریتم های پشت صحنه، به تدریج بیشتر در تئوری یادگیری عمیق فرو خواهید رفت. مدلهای آموزش در بینایی کامپیوتر، پردازش زبان طبیعی، دادههای جدولی و فیلتر مشارکتی جدیدترین تکنیکهای یادگیری عمیق را که در عمل مهمتر هستند بیاموزید دقت، سرعت و قابلیت اطمینان را با درک نحوه عملکرد مدلهای یادگیری عمیق بهبود دهید. مدل های خود را در برنامه های وب پیاده سازی الگوریتم های یادگیری عمیق از ابتدا مفاهیم اخلاقی کار خود را در نظر بگیرید از پیش گفتار یکی از بنیانگذاران PyTorch ، Soumith Chintala بینش به دست آورید
tag : دانلود کتاب آموزش عمیق برای کدنویسان با fastai و PyTorch: برنامه های کاربردی هوش مصنوعی بدون دکترا , Download آموزش عمیق برای کدنویسان با fastai و PyTorch: برنامه های کاربردی هوش مصنوعی بدون دکترا , دانلود آموزش عمیق برای کدنویسان با fastai و PyTorch: برنامه های کاربردی هوش مصنوعی بدون دکترا , Download Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD Book , آموزش عمیق برای کدنویسان با fastai و PyTorch: برنامه های کاربردی هوش مصنوعی بدون دکترا دانلود , buy آموزش عمیق برای کدنویسان با fastai و PyTorch: برنامه های کاربردی هوش مصنوعی بدون دکترا , خرید کتاب آموزش عمیق برای کدنویسان با fastai و PyTorch: برنامه های کاربردی هوش مصنوعی بدون دکترا , دانلود کتاب Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD , کتاب Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD , دانلود Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD , خرید Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD , خرید کتاب Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.