توضیحات
** Featured as a learning resource on the official Keras website **
Whether you’re a software engineer aspiring to enter the world of deep learning, a veteran data scientist, or a hobbyist with a simple dream of making the next viral AI app, you might have wondered where to begin. This step-by-step guide teaches you how to build practical deep learning applications for the cloud, mobile, browsers, and edge devices using a hands-on approach. If your goal is to build something creative, useful, scalable, or just plain cool, this book is for you.
Relying on decades of combined industry experience transforming deep learning research into award-winning applications, Anirudh Koul, Siddha Ganju, and Meher Kasam guide you through the process of converting an idea into something that people in the real world can use.
- Train, tune, and deploy computer vision models with Keras, TensorFlow, Core ML, and TensorFlow Lite.
- Develop AI for a range of devices including Raspberry Pi, Jetson Nano, and Google Coral.
- Explore fun projects, from Silicon Valley’s Not Hotdog app to 40+ industry case studies.
- Simulate an autonomous car in a video game environment and build a miniature version with reinforcement learning.
- Use transfer learning to train models in minutes.
- Discover 50+ practical tips for maximizing model accuracy and speed, debugging, and scaling to millions of users.
List of Chapters
- Exploring the Landscape of Artificial Intelligence
- What’s in the Picture: Image Classification with Keras
- Cats Versus Dogs: Transfer Learning in 30 Lines with Keras
- Building a Reverse Image Search Engine: Understanding Embeddings
- From Novice to Master Predictor: Maximizing Convolutional Neural Network Accuracy
- Maximizing Speed and Performance of TensorFlow: A Handy Checklist
- Practical Tools, Tips, and Tricks
- Cloud APIs for Computer Vision: Up and Running in 15 Minutes
- Scalable Inference Serving on Cloud with TensorFlow Serving and KubeFlow
- AI in the Browser with TensorFlow.js and ml5.js
- Real-Time Object Classification on iOS with Core ML
- Not Hotdog on iOS with Core ML and Create ML
- Shazam for Food: Developing Android Apps with TensorFlow Lite and ML Kit
- Building the Purrfect Cat Locator App with TensorFlow Object Detection API
- Becoming a Maker: Exploring Embedded AI at the Edge
- Simulating a Self-Driving Car Using End-to-End Deep Learning with Keras
- Building an Autonomous Car in Under an Hour: Reinforcement Learning with AWS DeepRacer
Guest-contributed Content
The book features chapters from the following industry experts:
- Sunil Mallya (Amazon AWS DeepRacer)
- Aditya Sharma and Mitchell Spryn (Microsoft Autonomous Driving Cookbook)
- Sam Sterckval (Edgise)
- Zaid Alyafeai (TensorFlow.js)
The book also features content contributed by several industry veterans including Franois Chollet (Keras, Google), Jeremy Howard (Fast.ai), Pete Warden (TensorFlow Mobile), Anima Anandkumar (NVIDIA), Chris Anderson (3D Robotics), Shanqing Cai (TensorFlow.js), Daniel Smilkov (TensorFlow.js), Cristobal Valenzuela (ml5.js), Daniel Shiffman (ml5.js), Hart Woolery (CV 2020), Dan Abdinoor (Fritz), Chitoku Yato (NVIDIA Jetson Nano), John Welsh (NVIDIA Jetson Nano), and Danny Atsmon (Cognata).
————————————————————–
ترجمه ماشینی :
** به عنوان یک منبع یادگیری در وب سایت رسمی Keras معرفی شده است **
چه مهندس نرم افزاری باشید که مشتاق ورود به دنیای یادگیری عمیق است، چه یک دانشمند کهنه کار داده یا یک علاقه مند با رویای ساده ساختن برنامه بعدی هوش مصنوعی ویروسی، ممکن است فکر کرده باشید از کجا شروع کنید. این راهنمای گام به گام به شما می آموزد که چگونه با استفاده از رویکرد عملی، برنامه های کاربردی یادگیری عمیق را برای ابر، موبایل، مرورگرها و دستگاه های لبه بسازید. اگر هدف شما ساختن چیزی خلاقانه، مفید، مقیاسپذیر یا ساده است، این کتاب برای شما مناسب است.
با تکیه بر دههها تجربه ترکیبی در صنعت در تبدیل تحقیقات یادگیری عمیق به برنامههای کاربردی برنده جایزه، انیرود کول، سیدها گنجو و مهر کسام شما را در فرآیند تبدیل ایده به چیزی که افراد در دنیای واقعی می توانند از آن استفاده کنند، راهنمایی می کنند.
- مدل های بینایی کامپیوتری را با Keras، TensorFlow، Core آموزش، تنظیم و اجرا کنید. ML، و TensorFlow Lite.
- هوش مصنوعی را برای طیف وسیعی از دستگاهها از جمله Raspberry Pi، Jetson Nano و Google Coral توسعه دهید.
- پروژههای سرگرمکننده را کاوش کنید، از برنامه Not Hotdog در Silicon Valley تا ۴۰ + مطالعات موردی صنعت.
- یک ماشین خودران را در محیط بازی ویدیویی شبیهسازی کنید و یک نسخه مینیاتوری با یادگیری تقویتی بسازید.
- از آموزش انتقال برای آموزش مدلها در چند دقیقه استفاده کنید.
- بیش از 50 نکته کاربردی برای به حداکثر رساندن دقت و سرعت مدل، اشکالزدایی، و مقیاسبندی برای میلیونها کاربر کشف کنید.
فهرست فصلها
< div>
- کاوش در چشم انداز هوش مصنوعی
- در تصویر: طبقه بندی تصاویر با کراس
- گربه ها در مقابل سگ ها: انتقال یادگیری در 30 خط با کراس
- li>
- ساخت موتور جستجوی عکس معکوس: درک جاسازی ها
- از مبتدی تا پیش بینی کننده اصلی: به حداکثر رساندن دقت شبکه عصبی کانولوشن
- به حداکثر رساندن سرعت و عملکرد TensorFlow: یک چک لیست مفید< /li>
- ابزارها، نکات و ترفندهای عملی
- API های Cloud برای Computer Vision: آماده و اجرا در 15 دقیقه
- ارائه استنتاج مقیاس پذیر در ابر با سرویس TensorFlow و KubeFlow< /li>
- AI در مرورگر با TensorFlow.js و ml5.js
- طبقه بندی اشیاء بلادرنگ در iOS با Core ML
- نه هات داگ در iOS با Core ML و ایجاد ML
- Shazam for Food: توسعه برنامههای Android با TensorFlow Lite و ML Kit
- ساخت برنامه Cat Locator Purrfect با API تشخیص اشیاء TensorFlow
- تبدیل شدن به یک سازنده : کاوش هوش مصنوعی جاسازی شده در لبه
- شبیه سازی یک خودروی خودران با استفاده از یادگیری عمیق سرتاسر با Keras
- ساخت خودروی خودران در کمتر از یک ساعت: یادگیری تقویتی با AWS DeepRacer
محتوای ارائه شده توسط مهمان
این کتاب دارای فصل هایی از کارشناسان صنعت زیر است:
- Sunil Mallya (Amazon AWS DeepRacer)
- آدیتیا شارما و میچل اسپرین (کتاب آشپزی رانندگی خودکار مایکروسافت)
- Zaid Alyafeai (TensorFlow.js)
< li>Sam Sterckval (Edgise)
این کتاب همچنین حاوی محتوایی است که توسط چندین پیشکسوت صنعت از جمله فرانوا شولت (Keras، Google)، جرمی هوارد (Fast.ai)، پیت واردن ارائه شده است. (TensorFlow Mobile)، Anima Anandkumar (NVIDIA)، کریس اندرسون (3D Robotics)، Shanqing Cai (TensorFlow.js)، دانیل اسمیلکوف (TensorFlow.js)، کریستوبال والنزوئلا (ml5.js)، دانیل شیفمن (ml5.js)، هارت Woolery (CV 2020)، دن عبدینور (Fritz)، چیتوکو یاتو (NVIDIA Jetson Nano)، جان ویلش (NVIDIA جتسون نانو)، و دنی آتسمون (Cognata).
نقد و بررسیها
هنوز بررسیای ثبت نشده است.