توضیحات
We’re in the midst of an AI research explosion. Deep learning has unlocked superhuman perception to power our push toward creating self-driving vehicles, defeating human experts at a variety of difficult games including Go, and even generating essays with shockingly coherent prose. But deciphering these breakthroughs often takes a PhD in machine learning and mathematics.
The updated second edition of this book describes the intuition behind these innovations without jargon or complexity. Python-proficient programmers, software engineering professionals, and computer science majors will be able to reimplement these breakthroughs on their own and reason about them with a level of sophistication that rivals some of the best developers in the field.
Learn the mathematics behind machine learning jargon
Examine the foundations of machine learning and neural networks
Manage problems that arise as you begin to make networks deeper
Build neural networks that analyze complex images
Perform effective dimensionality reduction using autoencoders
Dive deep into sequence analysis to examine language
Explore methods in interpreting complex machine learning models
Gain theoretical and practical knowledge on generative modeling
Understand the fundamentals of reinforcement learning
————————————————————–
ترجمه ماشینی :
ما در میانه یک انفجار تحقیقاتی هوش مصنوعی هستیم. یادگیری عمیق، ادراک مافوق بشری را باز کرده است تا فشار ما را برای ایجاد وسایل نقلیه خودران، شکست دادن متخصصان انسانی در انواع بازیهای دشوار از جمله Go، و حتی تولید مقالههایی با نثر منسجم تکان دهنده، تقویت کند. اما رمزگشایی این پیشرفتها اغلب به مدرک دکترا در یادگیری ماشین و ریاضیات نیاز دارد. ویرایش دوم به روز شده این کتاب شهود پشت این نوآوری ها را بدون اصطلاحات یا پیچیدگی توصیف می کند. برنامه نویسان مسلط به پایتون، متخصصان مهندسی نرم افزار و رشته های علوم کامپیوتر قادر خواهند بود این پیشرفت ها را به تنهایی پیاده سازی کنند و با سطحی از پیچیدگی در مورد آنها استدلال کنند که با برخی از بهترین توسعه دهندگان در این زمینه رقابت می کند. ریاضیات پشت اصطلاحات یادگیری ماشین را بیاموزید پایههای یادگیری ماشین و شبکههای عصبی را بررسی کنید مشکلاتی را که با شروع عمیقتر کردن شبکهها به وجود میآیند مدیریت کنید شبکههای عصبی بسازید که تصاویر پیچیده را تجزیه و تحلیل میکنند کاهش ابعاد موثر با استفاده از رمزگذارهای خودکار شیرجه رفتن عمیق در تحلیل توالی برای بررسی زبان کاوش روشها در تفسیر مدلهای پیچیده یادگیری ماشین کسب دانش نظری و عملی در مورد مدلسازی مولد درک اصول یادگیری تقویتی
tag : دانلود کتاب مبانی یادگیری عمیق: طراحی الگوریتم های هوش ماشینی نسل بعدی , Download مبانی یادگیری عمیق: طراحی الگوریتم های هوش ماشینی نسل بعدی , دانلود مبانی یادگیری عمیق: طراحی الگوریتم های هوش ماشینی نسل بعدی , Download Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms Book , مبانی یادگیری عمیق: طراحی الگوریتم های هوش ماشینی نسل بعدی دانلود , buy مبانی یادگیری عمیق: طراحی الگوریتم های هوش ماشینی نسل بعدی , خرید کتاب مبانی یادگیری عمیق: طراحی الگوریتم های هوش ماشینی نسل بعدی , دانلود کتاب Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms , کتاب Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms , دانلود Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms , خرید Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms , خرید کتاب Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.