دانلود کتاب State-of-the-Art Deep Learning Models in TensorFlow: Modern Machine Learning in the Google Colab Ecosystem – پیشرفته ترین مدل های یادگیری عمیق در TensorFlow: یادگیری ماشینی مدرن در اکوسیستم Google Colab

Use TensorFlow 2.x in the Google Colab ecosystem to create state-of-the-art deep learning models guided by hands-on examples. The Colab ecosystem provides a free cloud service with easy access to on-demand GPU (and TPU) hardware acceleration for fast execution of the models you learn to build. This book teaches you state-of-the-art deep learning models in an applied manner with the only requirement being an Internet connection. The Colab ecosystem provides everything else that you need, including Python, TensorFlow 2.x, GPU and TPU support, and Jupyter Notebooks.

The book begins with an example-driven approach to building input pipelines that feed all machine learning models. You will learn how to provision a workspace on the Colab ecosystem to enable construction of effective input pipelines in a step-by-step manner. From there, you will progress into data augmentation techniques and TensorFlow datasets to gain a deeper understanding of how to work with complex datasets. You will find coverage of Tensor Processing Units (TPUs) and transfer learning followed by state-of-the-art deep learning models, including autoencoders, generative adversarial networks, fast style transfer, object detection, and reinforcement learning.

Author Dr. Paper provides all the applied math, programming, and concepts you need to master the content. Examples range from relatively simple to very complex when necessary. Examples are carefully explained, concise, accurate, and complete. Care is taken to walk you through each topic through clear examples written in Python that you can try out and experiment with in the Google Colab ecosystem in the comfort of your own home or office.

از TensorFlow 2.x در اکوسیستم Google Colab برای ایجاد مدل‌های پیشرفته یادگیری عمیق با مثال‌های عملی استفاده کنید. اکوسیستم Colab یک سرویس ابری رایگان با دسترسی آسان به شتاب سخت افزاری GPU (و TPU) درخواستی برای اجرای سریع مدل هایی که شما یاد می گیرید ارائه می دهد. این کتاب به شما مدل های پیشرفته یادگیری عمیق را به روشی کاربردی با تنها شرط اتصال به اینترنت می آموزد. اکوسیستم Colab هر چیز دیگری را که نیاز دارید فراهم می کند، از جمله پایتون، TensorFlow 2.x، پشتیبانی از GPU و TPU، و نوت بوک های Jupyter.

این کتاب با یک رویکرد مثال محور برای ساخت خطوط لوله ورودی آغاز می شود. که تمام مدل های یادگیری ماشین را تغذیه می کند. شما یاد خواهید گرفت که چگونه یک فضای کاری در اکوسیستم کولب فراهم کنید تا ساخت خطوط لوله ورودی موثر را به صورت گام به گام امکان پذیر کنید. از آنجا، شما به سمت تکنیک های افزایش داده و مجموعه داده های TensorFlow پیشرفت خواهید کرد تا درک عمیق تری از نحوه کار با مجموعه داده های پیچیده به دست آورید. شما پوشش واحدهای پردازش تانسور (TPU) و یادگیری انتقال و به دنبال آن مدل های پیشرفته یادگیری عمیق، از جمله رمزگذارهای خودکار، شبکه های متخاصم مولد، انتقال سبک سریع، تشخیص اشیا، و یادگیری تقویتی را خواهید یافت.

نویسنده دکتر Paper تمام ریاضیات کاربردی، برنامه نویسی و مفاهیم مورد نیاز برای تسلط بر محتوا را ارائه می دهد. نمونه ها از نسبتا ساده تا بسیار پیچیده در صورت لزوم متغیر هستند. مثال ها به دقت توضیح داده شده اند، مختصر، دقیق و کامل هستند. دقت می شود که شما را در هر موضوع از طریق مثال های واضح نوشته شده در پایتون راهنمایی می کنیم که می توانید آنها را در اکوسیستم Google Colab در راحتی در خانه یا محل کار خود امتحان و آزمایش کنید.