حول هذا المنتج
ملخص الكتاب قم بتطوير وتحسين نماذج التعلم العميق باستخدام بنيات متقدمة. يعلمك هذا الكتاب التفاصيل الدقيقة والتعقيدات الخاصة بالخوارزميات التي تشكل جوهر الشبكات العصبية الالتفافية. ستدرس في كتاب Advanced Applied Deep Learning مواضيع متقدمة حول الشبكات العصبية الالتفافية (CNN) واكتشاف الأشياء باستخدام Keras و TensorFlow. وخلال رحلتك التعليمية، ستتعرف على العمليات الأساسية في الشبكات العصبية الالتفافية، مثل الالتفاف والتجميع، ثم ستنتقل لدراسة بنيات أكثر تقدماً مثل شبكات inception و resnets وغيرها الكثير. بينما يناقش الكتاب مواضيع نظرية، ستكتشف كيفية العمل بكفاءة مع Keras من خلال العديد من الحيل والنصائح، بما في ذلك كيفية تخصيص تسجيل البيانات في Keras باستخدام فئات callback مخصصة، وما هو التنفيذ الفوري eager execution، وكيفية استخدامه في نماذجك. وأخيراً، ستدرس كيفية عمل اكتشاف الأشياء، وستقوم ببناء تطبيق كامل لخوارزمية YOLO (التي تنظر مرة واحدة فقط) باستخدام Keras و TensorFlow. وبنهاية الكتاب، ستكون قد نفذت نماذج متنوعة في Keras وتعلمت العديد من الحيل المتقدمة التي ستنقل مهاراتك إلى المستوى التالي.
ما ستتعلمه
تعرف على كيفية عمل الشبكات العصبية الالتفافية واكتشاف الأشياء حفظ الأوزان والنماذج على القرص إيقاف التدريب مؤقتاً وإعادة تشغيله في مرحلة لاحقة استخدام تسريع الأجهزة (GPUs) في الكود الخاص بك العمل مع تجريد Dataset TensorFlow واستخدام النماذج المدربة مسبقاً والتعلم بنقل المعرفة إزالة وإضافة طبقات إلى الشبكات المدربة مسبقاً لتكييفها مع مشروعك الخاص تطبيق النماذج المدربة مسبقاً مثل Alexnet و VGG16 على مجموعات بيانات جديدة
لمن هذا الكتاب العلماء والباحثون الذين يمتلكون خبرة متوسطة إلى متقدمة في لغة Python وتعلم الآلة. بالإضافة إلى ذلك، يُتوقع توفر معرفة متوسطة بـ Keras و TensorFlow.
عن الغلاف الخلفي تعلم كيفية تطوير وتحسين نماذج التعلم العميق باستخدام بنيات متطورة. يعلمك هذا الكتاب التفاصيل الدقيقة والتعقيدات الخاصة بالخوارزميات التي تشكل جوهر الشبكات العصبية الالتفافية. ستدرس في كتاب Advanced Applied Deep Learning مواضيع متقدمة حول الشبكات العصبية الالتفافية (CNN) واكتشاف الأشياء باستخدام Keras و TensorFlow. وخلال رحلتك التعليمية، ستتعرف على العمليات الأساسية في الشبكات العصبية الالتفافية، مثل الالتفاف والتجميع، ثم ستنتقل لدراسة بنيات أكثر تطوراً مثل inception networks و resnets وغيرها الكثير. بينما يناقش الكتاب مواضيع نظرية، ستكتشف كيفية العمل بكفاءة مع Keras من خلال العديد من الحيل والنصائح، بما في ذلك كيفية تخصيص تسجيل البيانات في Keras باستخدام فئات callback مخصصة، وما هو التنفيذ الفوري eager execution، وكيفية استخدامه في نماذجك. وأخيراً، ستدرس كيفية عمل اكتشاف الأشياء، وستقوم ببناء تطبيق كامل لخوارزمية YOLO (التي تنظر مرة واحدة فقط) باستخدام Keras و TensorFlow. وبنهاية الكتاب، ستكون قد نفذت نماذج متنوعة في Keras وتعلمت العديد من الحيل المتقدمة التي ستنقل مهاراتك إلى المستوى التالي.
ستتعلم:
تعرف على كيفية عمل الشبكات العصبية الالتفافية واكتشاف الأشياء حفظ الأوزان والنماذج على القرص إيقاف التدريب مؤقتاً وإعادة تشغيله في مرحلة لاحقة استخدام تسريع الأجهزة (GPUs) في الكود الخاص بك العمل مع تجريد Dataset TensorFlow واستخدام النماذج المدربة مسبقاً والتعلم بنقل الخبرة إزالة وإضافة طبقات إلى الشبكات المدربة مسبقاً لتكييفها مع مشروعك الخاص تطبيق النماذج المدربة مسبقاً مثل Alexnet و VGG16 على مجموعات بيانات جديدة
نبذة عن المؤلف درس Umberto Michelucci الفيزياء والرياضيات، وهو خبير في المحاكاة العددية، والإحصاء، وعلوم البيانات، وتعلم الآلة. وبالإضافة إلى سنوات عديدة من الخبرة البحثية في جامعة George Washington (الولايات المتحدة الأمريكية) وجامعة Augsburg (ألمانيا)، فإنه يتمتع بـ 15 عاماً من الخبرة العملية في مجالات مستودعات البيانات، وعلوم البيانات، وتعلم الآلة. وقد نُشر كتابه الأخير Applied Deep Learning - A Case-Based Approach to Understanding Deep Neural Networks بواسطة Apress في عام 2018. يتمتع المؤلف بنشاط كبير في مجال أبحاث الذكاء الاصطناعي، حيث ينشر نتائج أبحاثه بانتظام في المجلات الرائدة، ويقدم محاضرات دورية في المؤتمرات الدولية. كما يعمل محاضراً في Zurich University of Applied Sciences وفي HWZ University of Applied Sciences في مجال إدارة الأعمال. بالإضافة إلى ذلك، يتولى مسؤولية الذكاء الاصطناعي والأبحاث والتقنيات الجديدة في Helsana Vesicherung AG. لقد أسس مؤخراً شركة TOELT LLC، وهي شركة تهدف إلى تطوير أساليب تدريس وتدريب وبحث جديدة وعصرية للذكاء الاصطناعي، وذلك لجعل تقنيات وأبحاث الذاء الاصطناعي متاحة للجميع.
- المميزات
- تطوير وتحسين نماذج التعلم العميق باستخدام بنيات متقدمة.
- نبذة عن المؤلف: درس Umberto Michelucci الفيزياء والرياضيات.
- 285 صفحة
- الحواسيب، الذكاء الاصطناعي
المواصفات
- الأبعاد (الإجمالية)
9.21 بوصة (ارتفاع) × 6.14 بوصة (عرض) × .64 بوصة (عمق)
- الوزن
.94 رطل
- العمر المقترح
22 سنة فما فوق
- عدد الصفحات
285
- التصنيف
أجهزة الكمبيوتر
- التصنيف الفرعي
الذكاء الاصطناعي
- الناشر
Apress
- الموضوع
عام
- التنسيق
غلاف ورقي
- المؤلف
Umberto Michelucci
- اللغة
الإنجليزية