توضیحات
This book builds upon the foundations established in its first edition, with updated chapters and the latest code implementations to bring it up to date with Tensorflow 2.0.
Pro Deep Learning with TensorFlow 2.0 begins with the mathematical and core technical foundations of deep learning. Next, you will learn about convolutional neural networks, including new convolutional methods such as dilated convolution, depth-wise separable convolution, and their implementation. Youll then gain an understanding of natural language processing in advanced network architectures such as transformers and various attention mechanisms relevant to natural language processing and neural networks in general. As you progress through the book, youll explore unsupervised learning frameworks that reflect the current state of deep learning methods, such as autoencoders and variational autoencoders. The final chapter covers the advanced topic of generative adversarial networks and their variants, such as cycle consistency GANs and graph neural network techniques such as graph attention networks and GraphSAGE.
Upon completing this book, you will understand the mathematical foundations and concepts of deep learning, and be able to use the prototypes demonstrated to build new deep learning applications.
What You Will Learn
- Understand full-stack deep learning using TensorFlow 2.0
- Gain an understanding of the mathematical foundations of deep learning
- Deploy complex deep learning solutions in production using TensorFlow 2.0
- Understand generative adversarial networks, graph attention networks, and GraphSAGE
Who This Book Is For:
Data scientists and machine learning professionals, software developers, graduate students, and open source enthusiasts.
————————————————————–
ترجمه ماشینی :
این کتاب مبتنی بر پایههایی است که در اولین نسخه آن ایجاد شده است، با فصلهای بهروزرسانی شده و آخرین پیادهسازی کد برای بهروز کردن آن با Tensorflow 2.0.
آموزش عمیق حرفه ای با TensorFlow 2.0 با پایه های فنی ریاضی و اصلی یادگیری عمیق آغاز می شود. در مرحله بعد، در مورد شبکه های عصبی کانولوشن، از جمله روش های کانولوشن جدید مانند کانولوشن گشاد شده، کانولوشن قابل تفکیک عمقی و پیاده سازی آنها آشنا خواهید شد. سپس درک درستی از پردازش زبان طبیعی در معماری های پیشرفته شبکه مانند ترانسفورماتورها و مکانیسم های مختلف توجه مربوط به پردازش زبان طبیعی و شبکه های عصبی به طور کلی به دست خواهید آورد. همانطور که در کتاب پیشرفت می کنید، چارچوب های یادگیری بدون نظارت را کاوش خواهید کرد که منعکس کننده وضعیت فعلی روش های یادگیری عمیق، مانند رمزگذارهای خودکار و رمزگذارهای خودکار متغیر هستند. فصل آخر مبحث پیشرفته شبکههای متخاصم مولد و انواع آنها، مانند GANهای ثبات چرخه و تکنیکهای شبکه عصبی نمودار مانند شبکههای توجه گراف و GraphSAGE را پوشش میدهد.
پس از تکمیل این مطلب. شما مبانی ریاضی و مفاهیم یادگیری عمیق را درک خواهید کرد و می توانید از نمونه های اولیه نشان داده شده برای ساخت برنامه های یادگیری عمیق جدید استفاده کنید.
چه خواهید آموخت
- درک کامل یادگیری عمیق با استفاده از TensorFlow 2.0
- درکی از مبانی ریاضی یادگیری عمیق به دست آورید
- استقرار راه حل های پیچیده یادگیری عمیق در تولید با استفاده از TensorFlow 2.0< /span>
- درک شبکه های متخاصم مولد، شبکه های توجه گراف و GraphSAGE
این کتاب برای چه کسی است:
دانشمندان داده و متخصصان یادگیری ماشین، توسعه دهندگان نرم افزار، دانشجویان فارغ التحصیل و علاقه مندان به منبع باز.
tag : دانلود کتاب یادگیری عمیق حرفه ای با TensorFlow 2.0: یک رویکرد ریاضی برای هوش مصنوعی پیشرفته در پایتون , Download یادگیری عمیق حرفه ای با TensorFlow 2.0: یک رویکرد ریاضی برای هوش مصنوعی پیشرفته در پایتون , دانلود یادگیری عمیق حرفه ای با TensorFlow 2.0: یک رویکرد ریاضی برای هوش مصنوعی پیشرفته در پایتون , Download Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python Book , یادگیری عمیق حرفه ای با TensorFlow 2.0: یک رویکرد ریاضی برای هوش مصنوعی پیشرفته در پایتون دانلود , buy یادگیری عمیق حرفه ای با TensorFlow 2.0: یک رویکرد ریاضی برای هوش مصنوعی پیشرفته در پایتون , خرید کتاب یادگیری عمیق حرفه ای با TensorFlow 2.0: یک رویکرد ریاضی برای هوش مصنوعی پیشرفته در پایتون , دانلود کتاب Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python , کتاب Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python , دانلود Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python , خرید Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python , خرید کتاب Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.