ما در میانه انفجار تحقیقات هوش مصنوعی (AI) قرار داریم. یادگیری عمیق (Deep Learning) ادراک ابرانسانی را برای پیشبرد اهدافی مانند خودروهای خودران، شکست دادن متخصصان انسانی در بازی‌های پیچیده و تولید متون منسجم ممکن کرده است. با این حال، رمزگشایی از این پیشرفت‌ها اغلب نیازمند مدرک دکترا در یادگیری ماشین و ریاضیات است. ویرایش دوم این کتاب، شهود پشت این نوآوری‌ها را بدون پیچیدگی یا اصطلاحات دشوار شرح می‌دهد. برنامه‌نویسان مسلط به پایتون، متخصصان مهندسی نرم‌افزار و دانشجویان علوم کامپیوتر قادر خواهند بود این پیشرفت‌ها را خودشان پیاده‌سازی کرده و با سطحی از پیچیدگی که با بهترین توسعه‌دهندگان این حوزه رقابت می‌کند، درباره آن‌ها استدلال کنند.
اشتراکی
با مرور فصل‌ها، ساختار ، محتوای کتاب را به سرعت بشناسید.
با مرور فصل‌های این کتاب می‌تونی خیلی سریع بفهمی هر بخش چی یاد میده، ساختار کلی چطوره و از کجا باید شروع کنی. هر فصل روی یک مفهوم یا مهارت خاص تمرکز داره و موضوعات اصلیش رو می‌بینی تا انتخابت آگاهانه‌تر باشه. چه بخوای کل کتاب رو دنبال کنی، چه فقط یک بخش خاص رو دنبال کنی، این نما کمکت می‌کنه مسیرت رو پیدا کنی.
مبانی جبر خطی برای یادگیری عمیق
مبانی احتمال
شبکه عصبی
آموزش شبکه‌های عصبی پیش‌خور
پیاده‌سازی شبکه‌های عصبی در PyTorch
فراتر از گرادیان کاهشی
شبکه‌های عصبی کانولوشنی
یادگیری تعبیه و بازنمایی
مدل‌هایی برای تحلیل توالی
مدل‌های مولد
روش‌های تفسیرپذیری
شبکه‌های عصبی تقویت‌شده با حافظه
یادگیری تقویتی عمیق
13 فصل در حال تولید
مدت زمان خوانش
11:47
نوع کتاب
اشتراکی
شرکت کنندگان
0 نفر
تولید کتاب
۳۱ شهریور ۱۴۰۵
