یادگیری عمیق با آر؛ راهنمای کاربردی برای طراحی، ساخت و بهبود مدل های شبکه عصبی با استفاده از آر

قیمت 56,000 تومان

خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
یادگیری عمیق، یادگیری کارآمد و دقیق از حجم عظیمی از داده‌ها را امکان‌پذیر می‌کند. این کتاب به شما کمک می‌کند تا با استفاده از الگوریتم‌ها و معماری‌های مختلف یادگیری عمیق با برنامه‌نویسی R بر تعدادی از چالش‌ها غلبه کنید.

این کتاب با مروری مختصر بر یادگیری ماشین و یادگیری عمیق و نحوه ساخت اولین شبکه عصبی خود آغاز می‌شود. شما معماری الگوریتم‌های مختلف یادگیری عمیق و زمینه‌های کاربردی آنها را خواهید فهمید، یاد خواهید گرفت که چگونه مدل‌های یادگیری عمیق بسازید، ابرپارامترها را بهینه کنید و عملکرد مدل را ارزیابی کنید. کاربردهای مختلف یادگیری عمیق در پردازش تصویر، پردازش زبان طبیعی (NLP)، سیستم‌های توصیه‌گر و تجزیه و تحلیل پیش‌بینی نیز پوشش داده خواهد شد. فصل‌های بعدی به شما نشان می‌دهند که چگونه با مشکلات تشخیص مانند تشخیص تصویر و تشخیص سیگنال، خلاصه‌سازی اسناد به صورت برنامه‌نویسی، انجام مدل‌سازی موضوعی و پیش‌بینی قیمت‌های بازار سهام مقابله کنید. در پایان کتاب، کاربردهای رایج شبکه‌های مولد تخاصمی (GAN) و نحوه ساخت یک مدل تولید چهره با استفاده از آنها را خواهید آموخت. در نهایت، با استفاده از یادگیری تقویتی و یادگیری تقویتی عمیق برای حل مشکلات مختلف دنیای واقعی آشنا خواهید شد.

در پایان این کتاب یادگیری عمیق، شما قادر خواهید بود برنامه‌های یادگیری عمیق خود را با استفاده از چارچوب‌ها و الگوریتم‌های مناسب بسازید و مستقر کنید. آنچه خواهید آموخت

طراحی یک شبکه عصبی پیش‌خور برای مشاهده نحوه محاسبه خروجی توسط تابع فعال‌سازی
ایجاد یک مدل تشخیص تصویر با استفاده از شبکه‌های عصبی کانولوشن (CNN)
آماده‌سازی داده‌ها، تعیین لایه‌ها و نورون‌های پنهان و آموزش مدل با الگوریتم پس‌انتشار
اعمال تکنیک‌های پاکسازی متن برای حذف متن‌های بی‌معنی با استفاده از NLP
ساخت، آموزش و ارزیابی یک مدل GAN برای تولید چهره
درک مفهوم و پیاده‌سازی یادگیری تقویتی در R

این کتاب برای چه کسانی مناسب است؟

این کتاب برای دانشمندان داده، مهندسان یادگیری ماشین و توسعه‌دهندگان یادگیری عمیق است که با یادگیری ماشین آشنا هستند و به دنبال افزایش دانش خود در زمینه یادگیری عمیق با استفاده از مثال‌های عملی هستند. هر کسی که علاقه‌مند به افزایش کارایی برنامه‌های یادگیری ماشین خود و بررسی گزینه‌های مختلف در R باشد، این کتاب را مفید خواهد یافت. دانش پایه در مورد تکنیک‌های یادگیری ماشین و دانش عملی زبان برنامه‌نویسی R مورد انتظار است.

فهرست مطالب

مبانی یادگیری ماشین
راه‌اندازی R برای یادگیری عمیق
شبکه‌های عصبی مصنوعی
شبکه‌های عصبی کانولوشن برای تشخیص تصویر
شبکه‌های عصبی پرسپترون چندلایه برای تشخیص سیگنال
فیلترینگ مشارکتی عصبی با استفاده از جاسازی‌ها
یادگیری عمیق برای پردازش زبان طبیعی
شبکه‌های حافظه کوتاه‌مدت بلند برای پیش‌بینی سهام
شبکه‌های تخاصمی مولد برای تولید چهره
یادگیری تقویتی برای بازی
یادگیری عمیق Q برای حل ماز

سال انتشار: 2020  |  تعداد صفحات: 317  |  حجم فایل: 13.48 مگابایت  |  زبان: انگلیسی
Hands-On Deep Learning with R: A practical guide to designing, building, and improving neural network models using R
نویسنده
Michael Pawlus, Rodger Devine
ناشر
Michael Pawlus, Rodger Devine
ISBN10:
1788996836
ISBN13:
9781788996839