داده افزایی با پایتون؛ افزایش دقت یادگیری عمیق با روش های داده افزایی برای داده های تصویری، متنی، صوتی و جدولی

با استفاده از مجموعه داده‌های دنیای واقعی با بیش از ۱۵۰ روش شیءگرای کاربردی و کتابخانه‌های متن‌باز، دقت هوش مصنوعی و هوش مصنوعی مولد خود را افزایش دهید.

ویژگی‌های کلیدی

نمودارها و اینفوگرافیک‌های زیبا و سفارشی را به صورت تمام رنگی کاوش کنید.
با استفاده از کتابخانه‌های متن‌باز در دفترچه یادداشت پایتون برای هر فصل، با کد شیءگرای کاملاً کاربردی کار کنید.
با تکنیک‌های عملی افزایش داده، پتانسیل مجموعه داده‌های دنیای واقعی را آزاد کنید.

شرح کتاب

داده‌ها در پروژه‌های هوش مصنوعی، به ویژه برای یادگیری عمیق و هوش مصنوعی مولد، بسیار مهم هستند، زیرا دقت پیش‌بینی به قوی بودن مجموعه داده‌های ورودی متکی است. به دست آوردن داده‌های اضافی از طریق روش‌های سنتی می‌تواند چالش‌برانگیز، گران و غیرعملی باشد و افزایش داده گزینه‌ای اقتصادی برای گسترش مجموعه داده‌ها ارائه می‌دهد.

این کتاب بیش از ۲۰ روش افزایش پاک کردن هندسی، فوتومتریک و تصادفی را با استفاده از هفت مجموعه داده دنیای واقعی برای طبقه‌بندی و تقسیم‌بندی تصویر به شما آموزش می‌دهد. همچنین هشت کتابخانه متن‌باز تقویت تصویر را بررسی خواهید کرد، توابع پوششی برنامه‌نویسی شی‌گرا (OOP) را در دفترچه یادداشت‌های پایتون خواهید نوشت، جلوه‌های تقویت تصویر رنگی را مشاهده خواهید کرد، سطوح و بایاس‌های ایمن را تجزیه و تحلیل خواهید کرد، و همچنین حقایق جالب را کشف خواهید کرد و چالش‌های سرگرم‌کننده‌ای را خواهید پذیرفت. با پیشرفت، بیش از 20 تکنیک کاراکتر و کلمه برای تقویت متن با استفاده از دو مجموعه داده دنیای واقعی و گزیده‌هایی از چهار کتاب کلاسیک کشف خواهید کرد. فصل تقویت متن پیشرفته از یادگیری ماشین برای گسترش مجموعه داده‌های متنی مانند Transformer، Word2vec، BERT، GPT-2 و موارد دیگر استفاده می‌کند. در حالی که فصل‌های مربوط به داده‌های صوتی و جدولی دارای داده‌های دنیای واقعی، کتابخانه‌های متن‌باز، نمودارهای سفارشی شگفت‌انگیز و دفترچه یادداشت پایتون به همراه حقایق و چالش‌های سرگرم‌کننده هستند.

در پایان این کتاب، شما در تکنیک‌های تقویت تصویر، متن، صدا و داده‌های جدولی مهارت خواهید داشت.

آنچه خواهید آموخت

نوشتن کد پایتون شیءگرا برای تصویر، متن، صدا و داده‌های جدولی
دسترسی به بیش از ۱۵۰،۰۰۰ مجموعه داده دنیای واقعی از وب‌سایت Kaggle
تحلیل بایاس‌ها و پارامترهای ایمن برای هر روش تقویت
تصویرسازی داده‌ها با استفاده از نمودارهای استاندارد و عجیب و غریب به صورت رنگی
کشف ۳۲ کتابخانه تقویت متن‌باز پیشرفته
بررسی مدل‌های یادگیری ماشینی مانند BERT و Transformer
آشنایی با پلوتو، یک همراه خیالی برای کدنویسی دیجیتال
گسترش یادگیری با حقایق جالب و چالش‌های سرگرم‌کننده

این کتاب برای چه کسانی مناسب است؟

این کتاب برای دانشمندان داده و دانشجویان علاقه‌مند به رشته هوش مصنوعی است. مهارت‌های پیشرفته هوش مصنوعی یا یادگیری عمیق لازم نیست؛ با این حال، دانش برنامه‌نویسی پایتون و آشنایی با Jupyter Notebooks برای درک مباحث مطرح شده در این کتاب ضروری است.

فهرست مطالب

داده‌افزایی آسان
سوگیری‌ها در داده‌افزایی
داده‌افزایی تصویر برای طبقه‌بندی
داده‌افزایی تصویر برای قطعه‌بندی
داده‌افزایی متن
داده‌افزایی متن با یادگیری ماشین
داده‌افزایی صوتی
داده‌افزایی صوتی با طیف‌نگار
داده‌افزایی جدولی