کتاب Deep Learning Pipeline

کتاب Deep Learning Pipeline تا زمان انتشار این پست، جدیدترین کتاب آموزش Tensorflow می‌باشد. این کتاب مبانی و تئوری‌های کلی یادگیری ماشین را به صورت جامع آموزش داده و با زبان Tensorflow پیاده‌سازی می‌کند. 4 شاخه‌ی اصلی کتاب Deep Learning Pipeline شامل، مقدمه، داده، تنسورفلو و پیاده‌سازی الگوریتم‌ها و آموزش‌های داده شده است. این کتاب چاپ سال 2020 از انتشارات بین‌المللی Apress بوده و از این کتاب می‌توان به عنوان یکی از بهترین منابع آموزش علم یادگیری ماشین نیز یاد کرد.

شما می‌توانید برای یادگیری تخصصی یادگیری ماشین با زبان پایتون از کتاب Python Machine Learning استفاده کنید.

چارچوب Tensorflow:

TensorFlow یک چارچوب شبکه عصبی منبع باز است که ساخت و استقرار مدل‌های یادگیری ماشین (ML) را در دستگاه‌های مختلف آسان می‌کند. اساس TensorFlow، با زبان برنامه‌نویسی Python نوشته و پایه‌ریزی شده است.

TensorFlow مشهورترین کتابخانه یادگیری عمیق در جهان و یک کتابخانه منبع باز مناسب برای Python است. TensorFlow یک کتابخانه قدرتمند جهت‌یابی جریان داده است که توسط تیم Google Brain Team ساخته شده است. این چارچوب به راحتی قابل استفاده است و به طور گسترده‌ای برای هر دو مسئله عددی و شبکه عصبی‌گرا قابل استفاده است. این محصول با مجوز Apache License 2.0 در تاریخ 9 نوامبر 2015 منتشر شد. محصول Google برای بهبود موتور جستجو، ترجمه، عنوان تصویر یا توصیه‌ها، از یادگیری ماشین در همه محصولات خود استفاده می‌کند. آخرین نسخه از آن TensorFlow 2.0 بوده که در اکتبر 2019 منتشر شد.

بسیاری از شرکت‌های مشهور مانند NVIDIA ،Twitter ،Snapchat ،Uber از TensorFlow برای کلیه فعالیت‌های مهم و تحقیقاتی خود استفاده می‌کنند.
TensorFlow در بیش از 70 هزار پروژه مخزن منبع باز استفاده شده و بیش از 780 هزار تغییر (Commit) در GitHub آن صورت گرفته است.

تنسورفلو چگونه کار می‌کند؟

TensorFlow چند سکویی است. این سیستم برای کار با چندین CPU یا GPU و حتی سیستم‌عامل‌های موبایل ساخته شده است و دارای چندین بسته‌بندی (Package) به چندین زبان مانند پایتون، C ++ یا Java است.

سرفصل‌های کتاب Deep Learning Pipeline:

• Introduction
  • A Gentle Introduction
  • Setting Up Your Environment
  • A Tour Through the Deep Learning Pipeline
  • Build Your First Toy TensorFlow app
• Data
  • Defining Data
  • Data Wrangling and Preprocessing
  • Data Resampling
  • Feature Selection and Feature Engineering
• TensorFlow
  • Deep Learning Fundamentals
  • Improving Deep Neural Networks
  • Convolutional Neural Network
  • Sequential Models
• Applying What You’ve Learned
  • Selected Topics in Computer Vision
  • Selected Topics in Natural Language Processing
  • Applications

فایل کتاب Deep Learning Pipeline را می‌توانید پس از پرداخت دانلود کنید.