این کتاب کاربردی به شما نشان میدهد که چگونه از مدلهای یادگیری ماشین (Machine Learning) برای استخراج اطلاعات از تصاویر استفاده کنید. مهندسان یادگیری ماشین و دانشمندان داده یاد خواهند گرفت که چگونه انواع مسائل تصویری از جمله طبقهبندی (Classification)، تشخیص اشیاء (Object Detection)، خودرمزگذارها (Autoencoders)، تولید تصویر، شمارش و کپشننویسی را با تکنیکهای اثباتشده یادگیری ماشین حل کنند. این کتاب مقدمهای عالی برای یادگیری عمیق (Deep Learning) سرتاسری ارائه میدهد: ایجاد مجموعه داده، پیشپردازش دادهها، طراحی مدل، آموزش مدل، ارزیابی، دیپلوی (Deployment) و تفسیرپذیری. مهندسان گوگل، والیاپا لاکشمانان، مارتین گورنر و رایان گیلارد به شما نشان میدهند که چگونه مدلهای یادگیری ماشین بینایی ماشین دقیق و قابلتفسیر را توسعه دهید و آنها را با استفاده از معماری یادگیری ماشین قوی به روشی انعطافپذیر و قابل نگهداری در تولید (Production) در مقیاس بزرگ قرار دهید. شما یاد خواهید گرفت که چگونه با مدلهای نوشتهشده در TensorFlow یا Keras طراحی، آموزش، ارزیابی و پیشبینی کنید.
اشتراکی

مروری بر ساختار و اطلاعات کلیدی کتاب

۳۰ تیر ۱۴۰۰

1 کتاب

12 فصل

480 صفحه

متوسط تا پیشرفته
این کتاب کاربردی به شما نشان میدهد که چگونه از مدلهای یادگیری ماشین (Machine Learning) برای استخراج اطلاعات از تصاویر استفاده کنید. مهندسان یادگیری ماشین و دانشمندان داده یاد خواهند گرفت که چگونه انواع مسائل تصویری از جمله طبقهبندی (Classification)، تشخیص اشیاء (Object Detection)، خودرمزگذارها (Autoencoders)، تولید تصویر، شمارش و کپشننویسی را با تکنیکهای اثباتشده یادگیری ماشین حل کنند. این کتاب مقدمهای عالی برای یادگیری عمیق (Deep Learning) سرتاسری ارائه میدهد: ایجاد مجموعه داده، پیشپردازش دادهها، طراحی مدل، آموزش مدل، ارزیابی، دیپلوی (Deployment) و تفسیرپذیری.
مهندسان گوگل، والیاپا لاکشمانان، مارتین گورنر و رایان گیلارد به شما نشان میدهند که چگونه مدلهای یادگیری ماشین بینایی ماشین دقیق و قابلتفسیر را توسعه دهید و آنها را با استفاده از معماری یادگیری ماشین قوی به روشی انعطافپذیر و قابل نگهداری در تولید (Production) در مقیاس بزرگ قرار دهید. شما یاد خواهید گرفت که چگونه با مدلهای نوشتهشده در TensorFlow یا Keras طراحی، آموزش، ارزیابی و پیشبینی کنید.
با مرور این بخش، درک سریع و کلی از محتوای کتاب پیدا کنید.
این کتاب به بررسی دقیق نحوه طراحی معماریهای یادگیری ماشین برای وظایف مختلف بینایی ماشین میپردازد. خوانندگان یاد میگیرند که چگونه مدلهای مناسبی مانند ResNet، SqueezeNet یا EfficientNet را بر اساس نیازهای خاص پروژه خود انتخاب کنند. این بخش شامل مباحث زیر است:
تمرکز اصلی این بخش بر ایجاد یک خطلوله (Pipeline) کامل برای آموزش، ارزیابی و استقرار مدلها در محیطهای تولیدی است. نویسندگان بر اهمیت تفسیرپذیری و شیوههای مسئولانه هوش مصنوعی تاکید میکنند. مباحث کلیدی عبارتند از:
نویسندگانی که در پشت محتوای این کتاب قرار دارند، از برجستهترین متخصصان و پیشگامان حوزه خود به شمار میروند. آثار آنها حاصل سالها تجربه عملی، پژوهش عمیق و همکاری با بزرگترین سازمانها و شرکتهای فناوری جهان است. هر یک از این نویسندگان با انتشار کتابها و مقالات تخصصی، نقش مهمی در شکلگیری و پیشرفت دانش فنی جامعه جهانی ایفا کردهاند.
تجربه کاربران از این کتاب - نظرات خریداران و دیگر کاربران
12 فصل در حال تولید
مدت زمان خوانش
12:44
نوع کتاب
اشتراکی
شرکت کنندگان
0 نفر
تولید کتاب
۳۱ شهریور ۱۴۰۵