دانلود کتاب یادگیری عمیق ۲۰۲۱ Deep Learning 2021

معرفی کتاب یادگیری عمیق ۲۰۲۱ یادگیری عمیق: راهنمای جامع، پوشش کاملی از مفاهیم یادگیری عمیق (DL) و یادگیری ماشین (ML) را ارائه می‌دهد. DL و ML پرطرفدارترین حوزه‌ها هستند که نیازمند درک عمیقی می‌باشند – و این کتاب دقیقا همین را در اختیارتان قرار می‌دهد. این کتاب، خواننده را قادر می‌سازد تا برنامه‌های کاربردی نوآورانه و مفیدی را بر اساس ML و DL ایجاد کند. با شروع از مبانی شبکه‌های عصبی، و ادامه با معماری انواع مختلف CNNها، RNNها، LSTMها و غیره تا انتهای کتاب، به تک تک موضوعات نهایت دقت شده و به شکلی حرفه‌ای و جامع شکل گرفته‌اند. ویژگی‌های کلیدی: * شامل انتقال روان از مفاهیم ML به مفاهیم DL است. * توضیحات خط به خط برای تمام مثال‌های مبتنی بر کد ارائه شده است. * شامل بسیاری از مثال‌های واقعی و سوالات مصاحبه است که خواننده را برای تصدی یک شغل در ML/DL بلافاصله آماده می‌کند. * حتی فردی با پیشینه غیر علوم کامپیوتر نیز می‌تواند با دنبال کردن تئوری، مثال‌ها، مطالعات موردی و قطعه کدهای موجود در این کتاب بهره‌مند شود. * هر فصل با هدف شروع می‌شود و با مجموعه‌ای از سوالات کوئیز برای سنجش درک خواننده به پایان می‌رسد. * شامل مراجعی به ویدیوهای مرتبط در یوتیوب است که راهنمایی‌های بیشتری ارائه می‌دهند. هوش مصنوعی حوزه‌ای برای همه است. این کتاب برای همه، صرف نظر از رشته تخصصی‌شان، هدف‌گذاری شده است. فارغ‌التحصیلان و محققان در زمینه یادگیری عمیق این کتاب را مفید خواهند یافت. فهرست کتاب: ۱. روی جلد ۲. صفحه نیم‌عنوان ۳. صفحه عنوان ۴. صفحه حق چاپ ۵. فهرست مطالب ۶. پیشگفتار ۷. نویسندگان ۸. فصل ۱ مقدمه‌ای بر یادگیری عمیق ۹. فصل ۲ ابزارها و پیش‌نیازها ۱۰. فصل ۳ یادگیری ماشین: اصول بنیادین ۱۱. فصل ۴ چارچوب یادگیری عمیق ۱۲. فصل ۵ شبکه‌های عصبی پیچشی (CNN): درک کامل ۱۳. فصل ۶ معماری‌های CNN: یک تکامل ۱۴. فصل ۷ شبکه‌های عصبی بازگشتی ۱۵. فصل ۸ خودرمزگذارها ۱۶. فصل ۹ مدل‌های مولد ۱۷. فصل ۱۰ یادگیری انتقالی ۱۸. فصل ۱۱ Intel OpenVino: جعبه ابزار یادگیری عمیق ضروری ۱۹. فصل ۱۲ پرسش و پاسخ مصاحبه ۲۰. نمایه توضیحات(انگلیسی) Deep Learning: A Comprehensive Guide provides comprehensive coverage of Deep Learning (DL) and Machine Learning (ML) concepts. DL and ML are the most sought-after domains, requiring a deep understanding – and this book gives no less than that. This book enables the reader to build innovative and useful applications based on ML and DL. Starting with the basics of neural networks, and continuing through the architecture of various types of CNNs, RNNs, LSTM, and more till the end of the book, each and every topic is given the utmost care and shaped professionally and comprehensively. Key Features Includes the smooth transition from ML concepts to DL concepts Line-by-line explanations have been provided for all the coding-based examples Includes a lot of real-time examples and interview questions that will prepare the reader to take up a job in ML/DL right away Even a person with a non-computer-science background can benefit from this book by following the theory, examples, case studies, and code snippets Every chapter starts with the objective and ends with a set of quiz questions to test the reader’s understanding Includes references to the related YouTube videos that provide additional guidance AI is a domain for everyone. This book is targeted toward everyone irrespective of their field of specialization. Graduates and researchers in deep learning will find this book useful. Table of Contents 1. Cover 2. Half-Title Page 3. Title Page 4. Copyright Page 5. Table of Contents 6. Preface 7. The Authors 8. Chapter 1 Introduction to Deep Learning 9. Chapter 2 The Tools and the Prerequisites 10. Chapter 3 Machine Learning: The Fundamentals 11. Chapter 4 The Deep Learning Framework 12. Chapter 5 CNN – Convolutional Neural Networks: A Complete Understanding 13. Chapter 6 CNN Architectures: An Evolution 14. Chapter 7 Recurrent Neural Networks 15. Chapter 8 Autoencoders 16. Chapter 9 Generative Models 17. Chapter 10 Transfer Learning 18. Chapter 11 Intel OpenVino: A Must-Know Deep Learning Toolkit 19. Chapter 12 Interview Questions and Answers 20. Index