دانلود کتاب Deep Learning with Python: Learn Best Practices of Deep Learning Models with PyTorch
49,000 تومان
یادگیری عمیق با پایتون: بهترین روشهای مدلهای یادگیری عمیق را با PyTorch بیاموزید
| موضوع اصلی | کامپیوتر – علوم کامپیوتر |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Apress |
| تعداد صفحه | 323 / 316 |
| حجم فایل | 5.24 مگابایت |
| کد کتاب | 1484253639 , 9781484253632 |
| نوبت چاپ | 2 |
| نویسنده | Jojo Moolayil, Nikhil Ketkar |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2021 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
You’ll start with a perspective on how and why deep learning with PyTorch has emerged as an path-breaking framework with a set of tools and techniques to solve real-world problems. Next, the book will ground you with the mathematical fundamentals of linear algebra, vector calculus, probability and optimization. Having established this foundation, you’ll move on to key components and functionality of PyTorch including layers, loss functions and optimization algorithms.
You’ll also gain an understanding of Graphical Processing Unit (GPU) based computation, which is essential for training deep learning models. All the key architectures in deep learning are covered, including feedforward networks, convolution neural networks, recurrent neural networks, long short-term memory networks, autoencoders and generative adversarial networks. Backed by a number of tricks of the trade for training and optimizing deep learning models, this edition of Deep Learning with Python explains the best practices in taking these models to production with PyTorch.
What You’ll Learn
- Review machine learning fundamentals such as overfitting, underfitting, and regularization.
- Understand deep learning fundamentals such as feed-forward networks, convolution neural networks, recurrent neural networks, automatic differentiation, and stochastic gradient descent.
- Apply in-depth linear algebra with PyTorch
- Explore PyTorch fundamentals and its building blocks
- Work with tuning and optimizing models
Who This Book Is For
Beginners with a working knowledge of Python who want to understand Deep Learning in a practical, hands-on manner.
ترجمه فارسی (ترجمه ماشینی)
بر جنبههای عملی پیادهسازی راهحلهای یادگیری عمیق با PyTorch، با استفاده از رویکرد عملی برای درک تئوری و عملی تسلط پیدا کنید. این نسخه بهروزرسانی شده، شما را برای استفاده از یادگیری عمیق در مسائل دنیای واقعی با پایههای نظری و دانش عملی با PyTorch، پلتفرمی که توسط گروه تحقیقاتی هوش مصنوعی فیسبوک توسعه یافته است، آماده میکند.
شما با دیدگاهی در مورد چگونگی و چرا یادگیری عمیق با PyTorch به عنوان یک چارچوب راهگشا با مجموعه ای از ابزارها و تکنیک ها برای حل مشکلات دنیای واقعی ظهور کرده است. در مرحله بعد، کتاب شما را با مبانی ریاضی جبر خطی، حساب برداری، احتمال و بهینه سازی مرتبط می کند. با ایجاد این پایه، به اجزای کلیدی و عملکرد PyTorch از جمله لایهها، توابع از دست دادن و الگوریتمهای بهینهسازی میروید.
همچنین درک درستی از محاسبات مبتنی بر واحد پردازش گرافیکی (GPU) کسب خواهید کرد که برای آموزش مدلهای یادگیری عمیق ضروری است. تمام معماریهای کلیدی در یادگیری عمیق، از جمله شبکههای پیشخور، شبکههای عصبی پیچشی، شبکههای عصبی تکراری، شبکههای حافظه کوتاهمدت، رمزگذارهای خودکار و شبکههای متخاصم مولد پوشش داده شدهاند. با پشتیبانی تعدادی از ترفندهای تجارت برای آموزش و بهینه سازی مدل های یادگیری عمیق، این نسخه یادگیری عمیق با پایتون بهترین شیوه ها را در تولید این مدل ها با PyTorch توضیح می دهد.
آنچه یاد خواهید گرفت
- مبانی یادگیری ماشینی مانند برازش بیش از حد، عدم تناسب، و منظمسازی را مرور کنید.
- مبانی یادگیری عمیق مانند شبکههای پیشخور، شبکههای عصبی کانولوشن را درک کنید. شبکههای عصبی مکرر، تمایز خودکار و نزول گرادیان تصادفی.
- جبر خطی عمیق را با PyTorch اعمال کنید
- مبانی PyTorch و بلوکهای سازنده آن را کاوش کنید
- با آن کار کنید. تنظیم و بهینهسازی مدلها
این کتاب برای چه کسانی است
مبتدیانی که دانش کار پایتون دارند و میخواهند یادگیری عمیق را به شیوهای عملی و عملی درک کنند.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.