کتاب یادگیری ماشین کاربردی برای بینایی ماشین
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
مقدمه کتاب
پیش از شروع، نگاهی کوتاه به آنچه در این کتاب خواهید آموخت
در مقدمه کتاب سوالات کلی که برات به وجود اومده رو خیلی سریع با یک نگاه رفعشون کن تا دیدت بازتر شه و انتخابت آگاهانه تر باشه و میشه گفت سوالاتی مانند چرا این کتاب نوشته شده و چه مشکلی را حل میکند؟ چه کسانی میتوانند از کتاب استفاده کنند؟ خلاصه فصلها و اهداف یادگیری در هر بخش؟ تغییرات مهم و بهبودهای جدید اضافه شده در نسخه های مختلف و... باشه که ما همه این ها رو برات رفع میکنیم
مخاطب هدف
مهندسان یادگیری ماشین که به دنبال بهبود مهارتهای خود در بینایی ماشین هستند. این کتاب برای کسانی که با مفاهیم پایه آشنایی دارند، ایدهآل است.
دانشمندان داده که میخواهند مدلهای بینایی ماشین را در مقیاس بزرگ پیادهسازی کنند. این کتاب ابزارهای لازم برای تولید را معرفی میکند.
توسعهدهندگان نرمافزاری که قصد دارند یادگیری عمیق را در محصولات خود ادغام کنند. کتاب مسیر روشنی برای استقرار مدلها ارائه میدهد.
متخصصان هوش مصنوعی که به دنبال یادگیری بهترین شیوههای عملیاتی (MLOps) هستند. این کتاب بر نگهداری و نظارت بر مدلها تمرکز دارد.
دلیل نوشتن کتاب
این کتاب راهنمایی عملی برای پیادهسازی مدلهای بینایی ماشین در محیطهای واقعی فراهم میکند. تمرکز آن بر حل مسائل پیچیده با استفاده از ابزارهای مدرن است.
نویسندگان با تکیه بر تجربه خود در گوگل، بهترین شیوهها را برای مقیاسپذیری و نگهداری مدلها ارائه میدهند. این رویکرد برای مهندسان حرفهای بسیار ارزشمند است.
کتاب به شکلی جامع از طراحی مدل تا استقرار و نظارت را پوشش میدهد. این ساختار سرتاسری به درک عمیقتر فرآیند توسعه کمک میکند.
استفاده از فریمورکهای محبوب مانند TensorFlow و Keras، یادگیری را برای توسعهدهندگان آسانتر میکند. مثالهای کاربردی به درک بهتر مفاهیم کمک میکنند.
نمای کلی محتوا
این کتاب یک منبع جامع و کاربردی برای هر کسی است که قصد دارد بینایی ماشین را به صورت حرفهای دنبال کند. نویسندگان به خوبی تعادلی بین تئوری و عمل برقرار کردهاند.
رویکرد سرتاسری کتاب در پوشش دادن چرخه حیات مدل، از جمعآوری داده تا استقرار، بسیار ارزشمند است. این کتاب برای تیمهای مهندسی که با مدلهای بینایی ماشین کار میکنند، ضروری است.
توضیحات مربوط به معماریهای پیشرفته و استراتژیهای انتخاب مدل، بسیار دقیق و آموزنده است. خوانندگان میتوانند از این دانش برای بهینهسازی مدلهای خود استفاده کنند.
تمرکز کتاب بر قابلیت تفسیر و اخلاق در هوش مصنوعی، آن را از سایر منابع متمایز میکند. این دیدگاه برای توسعه سیستمهای مسئولانه بسیار حیاتی است.
12 فصل در حال تولید
مدت زمان خوانش
12:44
نوع کتاب
اشتراکی
شرکت کنندگان
0 نفر
تولید کتاب
۳۱ شهریور ۱۴۰۵