یادگیری عمیق با پایتون (مبانی و کاربردها)
گارانتی سلامت فیزیکی کالا
  • انتشارات: انتشارات علوم رایانه
  • نویسنده: پابلو ریواس
  • مترجم: رویا راد
  • تعداد صفحه: 350
  • سال انتشار: 1401
  • مناسب برای: بزرگسالان
قیمت : 237,500 تومان
250,000 تومان
مشخصات
انتشارات
انتشارات علوم رایانه
نویسنده
پابلو ریواس
مترجم
رویا راد
تعداد صفحه
350
سال انتشار
1401
سری چاپ
1
قطع کتاب
وزیری
نوع جلد
شومیز
زبان
فارسی
مناسب برای
بزرگسالان
شابک
978-600-205-184-4
وزن
600 گرم
فهرست مطالب

بخش 1 : مفاهیم پایه
فصل 1 : مقدمه‌ای بر یادگیری ماشین
1-1. سیری در اکوسیستم ML
1-2. آموزش الگوریتم‌های ML از طریق داده‌ها
1-3. معرفی یادگیری عمیق
1-4. چرا امروزه یادگیری عمیق اهمیت دارد؟
1-5. خلاصه
1-6. پرسش و پاسخ
1-7. منابع

فصل 2 : راه‌اندازی و معرفی چارچوب‌های یادگیری عمیق
2-1. مقدمه‌ای بر Colaboratory
2-2. معرفی و راه‌اندازی تنسورفلو
2-3. معرفی و راه‌اندازی کراس
2-4. آشنایی با پای‌تُرچ
2-5. آشنایی با دوپامین
2-6. سایر کتابخانه‌های یادگیری عمیق
2-7. خلاصه
2-8. پرسش و پاسخ
2-9. منابع

فصل 3 : آماده‌سازی داده‌ها
3-1. داده‌های دودویی و دسته‌بندی دودویی
3-2. داده‌های طبقه‌ای و کلاس‌های متعدد
3-3. داده‌های عددی حقیقی و رگرسیون تک متغیره
3-4. تغییر توزیع داده‌ها
3-5. افزایش داده‌ها
3-6. کاهش ابعاد داده‌ها
3-7. ملاحظات اخلاقی دستکاری داده‌ها
3-8. خلاصه
3-9. پرسش و پاسخ
3-10. منابع

فصل 4 : یادگیری براساس داده‌ها
4-1. یادگیری برای یک هدف
4-2. اندازه‌گیری موفقیت و خطا
4-3. شناسایی بیش برازش و تعمیم
4-4. هنر پشت یادگیری
4-5. ملاحظات اخلاقی در آموزش الگوریتم‌های یادگیری عمیق
4-6. خلاصه
4-7. پرسش و پاسخ
4-8. منابع

فصل 5 : آموزش تک نورون
5-1. مدل پرسپترون
5-2. الگوریتم یادگیری پرسپترون
5-3. پرسپترون بر روی داده‌های غیرخطی تفکیک‌پذیر
5-4. خلاصه
5-5. پرسش و پاسخ
5-6. منابع

فصل 6 : آموزش شبکه عصبی چندلایه
6-1. مدل MLP
6-2. کمینه‌سازی خطا
6-3. پیدا کردن بهترین پارامترها
6-4. خلاصه
6-5. پرسش و پاسخ
6-6. منابع

بخش 2 : یادگیری عمیق بدون نظارت
فصل 7 : خودرمزگذارها
7-1. مقدمه‌ای بر یادگیری بدون نظارت
7-2. رمزگذاری و رمزگشایی لایه‌ها
7-3. کاربردهای کاهش ابعاد و مصورسازی
7-4. ملاحظات اخلاقی یادگیری بدون نظارت
7-5. خلاصه
7-6. پرسش و پاسخ
7-7. منابع

فصل 8 : خودرمزگذارهای عمیق
8-1. معرفی شبکه‌های باور عمیق
8-2. ساخت خودرمزگذارهای عمیق
8-3. کاوش در فضاهای نهفته با خودرمزگذارهای عمیق
8-4. خلاصه
8-5. پرسش و پاسخ
8-6. منابع

فصل 9 : خودرمزگذارهای متغیر
9-1. معرفی مدل‌های مولد عمیق
9-2. بررسی مدل‌ VAE
9-3. مقایسه ‌ VAE عمیق و کم عمق در MNIST
9-4. ملاحظات اخلاقی مدل‌های مولد
9-5. خلاصه
9-6. پرسش و پاسخ
9-7. منابع

فصل 10 : ماشین‌های محدود بولتزمن
10-1. آشنایی با RBMها
10-2. یادگیری بازنمایی داده‌ها با RBMها
10-3. مقایسه RBMها و AEها
10-4. خلاصه
10-5. پرسش و پاسخ
10-6. منابع

بخش 3 : آموزش عمیق بانظارت
فصل 11 : شبکه‌های عصبی عمیق و گسترده
11-1. شبکه‌های عصبی گسترده
11-2. شبکه‌های عصبی عمیق متراکم
11-3. شبکه‌های عصبی عمیق خلوت
11-4. بهینه‌سازی اَبَرپارامترها
11-5. خلاصه
11-6. پرسش و پاسخ
11-7. منابع

فصل 12 : شبکه‌های عصبی کانولوشنی
12-1. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی
12-2. کانولوشن در n ـ بُعد
12-3. لایه‌های کانولوشن
12-4. استراتژی‌های تجمیع
12-5. شبکه عصبی کانولوشن برای CIFAR-10
12-6. خلاصه
12-7. پرسش و پاسخ
12-8. منابع

فصل 13 : شبکه‌های عصبی بازگشتی
13-1. آشنایی با شبکه‌های عصبی بازگشتی
13-2. مدل‌های حافظه طولانی کوتاه‌مدت
13-3. مدل‌های دنباله به بردار
13-4. مدل‌های بردار به دنباله
13-5. مدل‌های دنباله به دنباله
13-6. ملاحظات اخلاقی
13-7. خلاصه
13-8. پرسش و پاسخ
13-9. منابع

فصل 14 : شبکه‌های مولد تخاصمی
14-1. معرفی یادگیری خصمانه
14-2. آموزش GAN
14-3. مقایسه GAN ها و VAEها
14-4. ملاحظات اخلاقی GANها
14-5. خلاصه
14-6. پرسش و پاسخ
14-7. منابع

فصل 15 : نکات پایانی در مورد آینده یادگیری عمیق
15-1. به دنبال موضوعات پیشرفته در یادگیری عمیق باشید
15-2. خلاصه
15-3. منابع

واژه‌نامه انگلیسی به فارسی
واژه‌نامه فارسی به انگلیسی
نظر خود را بنویسید
نظرات کاربران
Copyright © 2021 Powered By Olomrayaneh web developer team, All Rights Reserved.