دانلود کتاب Introduction to Deep Learning: With Complexe Python and TensorFlow Examples – مقدمه ای بر یادگیری عمیق: با مثال های پیچیده پایتون و تنسورفلو

But what is Deep Learning? This book is an introduction to Neural Networks and the most important Deep Learning model – the Convolutional Neural Network model including a description of tricks that can be used to train such models more quickly.

We start with the biological role model: the Neuron. About 86.000.000.000 of these simple processing elements are in your brain! And they all work in parallel! We discuss how to model the operation of a biological neuron with technical neuron models and then consider the first simple single-layer network of technical neurons. We then introduce the Multi-Layer Perceptron (MLP) and the Convolutional Neural Network (CNN) model which uses the MLP at its end. At the end of the book we discuss promising new directions for the field of Deep Learning.

A famous physicist once said: ‘What I cannot create, I do not understand’. For this, the book is full of examples of how to program all models discussed in Python and TensorFlow – Today, the most important Deep Learning library.

About the author:
Prof. Dr.-Ing. Juergen Brauer is a professor for Sensor Data Processing and Programming at the University of Applied Sciences Kempten in Germany where he holds a ‘Deep Learning’ and other machine learning related lectures for Computer Science and Advanced Driver Assistance Systems students.

His personal experience tells him:
‘What I cannot program, I do not understand’.

اما یادگیری عمیق چیست؟ این کتاب مقدمه ای بر شبکه های عصبی و مهم ترین مدل یادگیری عمیق – مدل شبکه عصبی کانولوشنال است که شامل شرح ترفندهایی است که می توان برای آموزش سریعتر چنین مدل هایی از آنها استفاده کرد.

ما با الگوی بیولوژیکی شروع می کنیم: نورون. حدود 86.000.000.000 از این عناصر پردازش ساده در مغز شما هستند! و همه آنها به صورت موازی کار می کنند! ما در مورد چگونگی مدل‌سازی عملکرد یک نورون بیولوژیکی با مدل‌های نورون فنی بحث می‌کنیم و سپس اولین شبکه تک لایه ساده نورون‌های فنی را در نظر می‌گیریم. سپس مدل پرسپترون چندلایه (MLP) و شبکه عصبی کانولوشنال (CNN) را معرفی می‌کنیم که از MLP در انتهای خود استفاده می‌کند. در پایان کتاب، در مورد مسیرهای نویدبخش برای حوزه یادگیری عمیق بحث می کنیم.

یک فیزیکدان معروف زمانی گفت: “آنچه را که نمی توانم خلق کنم، نمی فهمم”. برای این کار، کتاب مملو از مثال‌هایی از نحوه برنامه‌نویسی همه مدل‌های مورد بحث در پایتون و تنسورفلو است – امروزه، مهمترین کتابخانه یادگیری عمیق.

درباره نویسنده:پروفسور Dr.-Ing. یورگن برائر استاد پردازش و برنامه‌نویسی داده‌های حسگر در دانشگاه علوم کاربردی Kempten در آلمان است، جایی که او یک «یادگیری عمیق» و سایر سخنرانی‌های مرتبط با یادگیری ماشین را برای دانشجویان علوم کامپیوتر و سیستم‌های کمک راننده پیشرفته برگزار می‌کند.

تجربه شخصی او به او می گوید:
“آنچه را که نمی توانم برنامه ریزی کنم، نمی فهمم”.