دانلود کتاب Deep Learning from First Principles In Vectorized Python R and Octave – یادگیری عمیق از اصول اولیه در پایتون R و Octave بردار

45,000 تومان

شناسه محصول: 5d862ab314b4 دسته:

توضیحات

This is the second edition of the book. The code has been formatted with fixed with a fixed width font, and includes line numbering. This book derives and builds a multi-layer, multi-unit Deep Learning from the basics. The first chapter starts with the derivation and implementation of Logistic Regression as a Neural Network. This followed by building a generic L-Layer Deep Learning Network which performs binary classification. This Deep Learning network is then enhanced to handle multi-class classification along with the necessary derivations for the Jacobian of softmax and cross-entropy loss. Further chapters include different initialization types, regularization methods (L2, dropout) followed by gradient descent optimization techniques like Momentum, Rmsprop and Adam. Finally the technique of gradient checking is elaborated and implemented. All the chapters include implementations in vectorized Python, R and Octave. Detailed derivations are included for each critical enhancement to the Deep Learning. By the time you reach the last chapter, the implementation includes fully functional L-Layer Deep Learning with all the bells and whistles in vectorized Python, R and Octave.

————————————————————–

ترجمه ماشینی :

این چاپ دوم کتاب است. کد با فونت ثابت با عرض ثابت فرمت شده است و شامل شماره گذاری خطوط است. این کتاب یک یادگیری عمیق چند لایه و چند واحدی را از اصول اولیه استخراج و ایجاد می کند. فصل اول با استخراج و پیاده سازی رگرسیون لجستیک به عنوان یک شبکه عصبی شروع می شود. به دنبال آن یک شبکه عمومی یادگیری عمیق لایه L ساخت که طبقه بندی باینری را انجام می دهد. سپس این شبکه یادگیری عمیق برای دسته‌بندی چند کلاسه همراه با مشتقات لازم برای ژاکوبین Softmax و از دست دادن آنتروپی متقابل تقویت می‌شود. فصول بعدی شامل انواع مختلف اولیه سازی، روش های منظم سازی (L2، انصراف) و به دنبال آن تکنیک های بهینه سازی نزولی گرادیان مانند Momentum، Rmsprop و Adam است. در نهایت تکنیک بررسی گرادیان شرح داده شده و اجرا می شود. تمام فصل ها شامل پیاده سازی در پایتون، R و Octave بردار هستند. مشتقات دقیق برای هر پیشرفت مهم در یادگیری عمیق گنجانده شده است. با رسیدن به فصل آخر، پیاده‌سازی شامل آموزش عمیق لایه L با تمام زنگ‌ها و سوت‌ها در Python، R و Octave بردار است.

 

tag : دانلود کتاب یادگیری عمیق از اصول اولیه در پایتون R و Octave بردار , Download یادگیری عمیق از اصول اولیه در پایتون R و Octave بردار , دانلود یادگیری عمیق از اصول اولیه در پایتون R و Octave بردار , Download Deep Learning from First Principles In Vectorized Python R and Octave Book , یادگیری عمیق از اصول اولیه در پایتون R و Octave بردار دانلود , buy یادگیری عمیق از اصول اولیه در پایتون R و Octave بردار , خرید کتاب یادگیری عمیق از اصول اولیه در پایتون R و Octave بردار , دانلود کتاب Deep Learning from First Principles In Vectorized Python R and Octave , کتاب Deep Learning from First Principles In Vectorized Python R and Octave , دانلود Deep Learning from First Principles In Vectorized Python R and Octave , خرید Deep Learning from First Principles In Vectorized Python R and Octave , خرید کتاب Deep Learning from First Principles In Vectorized Python R and Octave ,

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Deep Learning from First Principles In Vectorized Python R and Octave – یادگیری عمیق از اصول اولیه در پایتون R و Octave بردار”

محصولات مرتبط