كتاب Deep Learning with Python - تأليف Nikhil Ketkar (غلاف ورقي)

ملخص الكتاب اكتشف الجوانب العملية لتنفيذ حلول التعلم العميق باستخدام منظومة Python الغنية. يعمل هذا الكتاب على سد الفجوة بين أحدث الأساليب الأكاديمية والممارسات المتبعة في الصناعة من خلال تعريفك بأطر عمل التعلم العميق مثل Keras و Theano و Caffe. وغالباً ما يكتسب الممارسون الخبرة العملية في هذه الأطر من خلال قراءة الكود المصدري، والكتيبات، وطرح الأسئلة في منتديات المجتمع، وهي عملية تميل لأن تكون بطيئة ومجهدة. يتيح لك كتاب Deep Learning with Python اكتساب المعرفة العملية اللازمة في فترة زمنية قصيرة، مما يمنحك فرصة أكبر للتركيز على المجال والنماذج والخوارزميات. يغطي هذا الكتاب بإيجاز المتطلبات الرياضية الأساسية ومبادئ التعلم العميق، مما يجعله نقطة انطلاق مثالية لمطوري البرمجيات الراغبين في دخول مجال التعلم العميق. كما يتضمن الكتاب استعراضاً موجزاً لبنيات التعلم العميق. يقدم لك كتاب Deep Learning with Python أيضاً المفاهيم الأساسية للتفاضل التلقائي وحوسبة GPU، والتي رغم عدم كونها محوراً أساسياً للتعلم العميق، إلا أنها بالغة الأهمية عند إجراء تجارب واسعة النطاق. ما ستتعلمه: الاستفادة من أطر عمل التعلم العميق في Python، وتحديداً Keras و Theano و Caffe.

اكتسب المبادئ الأساسية للتعلم العميق مع المتطلبات الرياضية اللازمة

اكتشف الاعتبارات العملية للتجارب واسعة النطاق

انقل نماذج التعلم العميق إلى مرحلة الإنتاج

لمن هذا الكتاب لمطوري البرمجيات الراغبين في تجربة التعلم العميق كحل عملي لمشكلة معينة. ولمطوري البرمجيات ضمن فرق علوم البيانات الذين يرغبون في نقل نماذج التعلم العميق التي طورها علماء البيانات إلى مرحلة الإنتاج.

من الغلاف الخلفي اكتشف الجوانب العملية لتنفيذ حلول التعلم العميق باستخدام منظومة Python الغنية. يعمل هذا الكتاب على سد الفجوة بين أحدث الأبحاث الأكاديمية والممارسات الصناعية الواقعية من خلال تعريفك بأطر عمل التعلم العميق مثل Keras و Theano و Caffe. غالبًا ما يكتسب الممارسون الخبرة العملية في هذه الأطر من خلال قراءة الكود المصدري، والكتيبات، وطرح الأسئلة في منتديات المجتمع، وهي عملية تميل إلى أن تكون بطيئة ومجهدة. يتيح لك كتاب Deep Learning with Python اكتساب المعرفة العملية اللازمة في فترة زمنية قصيرة، مما يمنحك فرصة أكبر للتركيز على المجال والنماذج والخوارزميات. يغطي هذا الكتاب بإيجاز المتطلبات الرياضية الأساسية ومبادئ التعلم العميق، مما يجعله نقطة انطلاق مثالية لمطوري البرمجيات الراغبين في دخول مجال التعلم العميق. كما يتضمن الكتاب استعراضاً موجزاً لبنيات التعلم العميق. يقدم لك كتاب Deep Learning with Python أيضاً المفاهيم الأساسية للتفاضل التلقائي وحوسبة GPU والتي، رغم أنها ليست جوهرية في التعلم العميق، إلا أنها بالغة الأهمية عند إجراء تجارب واسعة النطاق. ستتمكن من: الاستفادة من أطر عمل التعلم العميق في Python، وتحديداً Keras و Theano و Caffe

اكتسب المبادئ الأساسية للتعلم العميق مع المتطلبات الرياضية اللازمة

اكتشف الاعتبارات العملية للتجارب واسعة النطاق

انقل نماذج التعلم العميق إلى مرحلة الإنتاج

نبذة عن المؤلف يتولى Nikhil S. Ketkar حالياً قيادة فريق منصة تعلم الآلة في Flipkart، أكبر شركة للتجارة الإلكترونية في الهند. حصل على درجة الدكتوراه من Washington State University، وعقب ذلك أجرى أبحاث ما بعد الدكتوراه في University of North Carolina at Charlotte، تلتها فترة وجيزة في مجال التداول عالي التردد في Transmaket في شيكاغو. ومؤخراً، قاد فريق تنقيب البيانات في Guavus، وهي شركة ناشئة تعمل في مجال تحليلات البيانات الضخمة في قطاع الاتصالات، وفي Indix، وهي شركة ناشئة تعمل في مجال علوم البيانات في قطاع التجارة الإلكترونية. تشمل اهتماماته البحثية تعلم الآلة ونظرية المخططات.