خرید و دانلود نسخه کامل کتاب Applied Deep Learning with Python

توضیحاتی در مورد کتاب

با اتخاذ رویکردی که از آخرین پیشرفت‌ها در اکوسیستم پایتون استفاده می‌کند، ابتدا از طریق اکوسیستم Jupyter، کتابخانه‌های تجسم کلیدی و تکنیک‌های قدرتمند پاک‌سازی داده‌ها قبل از آموزش اولین مدل پیش‌بینی خود راهنمایی خواهید شد. ما انواع روش‌های طبقه‌بندی مانند شبکه‌های بردار پشتیبان، جنگل‌های تصمیم تصادفی و k-نزدیک‌ترین همسایه‌ها را بررسی می‌کنیم تا قبل از حرکت به قلمرو پیچیده‌تر، درک شما را ایجاد کنیم. اشکالی ندارد اگر این اصطلاحات بسیار زیاد به نظر می رسند. ما به شما نشان خواهیم داد که چگونه آنها را به کار بگیرید.

ما بر پوشش طبقه بندی خود با نگاهی گذرا به خراش دادن وب اخلاقی و تجسم های تعاملی برای کمک به شما در جمع آوری و ارائه تحلیل های خود به صورت حرفه ای ایجاد خواهیم کرد. پس از این است که ما شروع به ساختن برنامه یادگیری عمیق کیستون خود می کنیم، برنامه ای که هدف آن پیش بینی قیمت آینده بیت کوین بر اساس داده های عمومی تاریخی است.

با راهنمایی شما از طریق یک شبکه عصبی آموزش‌دیده، معماری‌های رایج شبکه‌های یادگیری عمیق (کانولوشنال، مکرر، حریف مولد) را بررسی می‌کنیم و قبل از بهینه‌سازی و ارزیابی مدل، به یادگیری تقویتی عمیق منشعب می‌شویم. ما همه این کارها را در حالی انجام خواهیم داد که روی یک برنامه وب آماده تولید کار کنیم که Tensorflow و Keras را برای ایجاد یک نتیجه کاربرپسند معنی‌دار ترکیب می‌کند و شما را با تمام مهارت‌هایی که برای مقابله و توسعه پروژه‌های یادگیری عمیق در دنیای واقعی خود نیاز دارید، در اختیار شما قرار می‌دهد. با اطمینان و موثر