کتاب Deep Learning with fastai Cookbook با نام کامل Leverage the easy-to-use fastai framework to unlock the power of deep learning یک منبع فوقالعاده برای یادگیری چارچوب Fastai جهت به کارگیری در علم یادگیری عمیق است. این کتاب در 8 فصل به شرح کامل کاربرد این چارچوب قوی برای یادگیری عمیق به همراه مثالهای فوقالعاده مهم و جذاب خواهد پرداخت.
همچنین شما میتوانید برای یادگیری مفاهیم یادگیری عمیق از کتاب Introduction to Deep Learning نیز استفاده نمائید.
در ادامه به شرح مقدمهای از کتاب Deep Learning with fastai Cookbook از زبان نویسندهی آن خواهیم پرداخت.
مقدمهای بر کتاب Deep Learning with fastai Cookbook:
فصل 1، شروع به کار با fastai
نحوه تنظیم محیط برای fastai را به شما نشان میدهد، شما را با آموزش یک مدل اولیه سلام جهان (Hello World) در fastai آشنا میکند، چهار حوزه کاربردی کلیدی fastai (دادههای جداول، دادههای متنی، سیستمهای توصیهگر و تصویر) را توضیح میدهد. دادهها)، و fastai را با چارچوب مهم دیگر سطح یادگیری عمیق، Keras مقایسه میکند.
فصل 2، کاوش و پاکسازی دادهها با fastai
مجموعه مجموعه دادههایی را که fastai در جعبه در دسترس قرار میدهد (مجموعه دادههای انتخاب شده) توضیح میدهد. نحوه بررسی مجموعه دادههای جدول، متن و تصویر را توضیح میدهد. و نحوه استفاده از امکانات fastai برای پاکسازی یک مجموعه داده را نشان میدهد، به عنوان مثال، با مقادیر از دست رفته.
فصل 3، مدلهای آموزشی با دادههای جدول
فصل سوم کتاب Deep Learning with fastai Cookbook، نحوه ایجاد مدلهای یادگیری عمیق fastai آموزش داده شده بر روی مجموعه دادههای جدولی، یعنی مجموعه دادههایی که در ردیفها و ستونها مرتب شدهاند را توضیح میدهد. نمونههایی در این فصل به شما نشان میدهد که چگونه مدلهای fastai را در مجموعه دادههای انتخاب شده و مستقل آموزش دهید.
فصل 4، مدلهای آموزشی با دادههای متنی
نحوه ایجاد مدلهای یادگیری عمیق fastai آموزش داده شده بر روی مجموعه دادههای متنی را توضیح میدهد. مثالهای این فصل نحوه آموزش مدلهای زبانی (یعنی مدلهایی که کلمه بعدی را با توجه به مجموعهای از کلمات پیشبینی میکنند) و همچنین نحوه آموزش مدلهای طبقهبندی متن (یعنی مدلهایی که پیشبینی میکنند، به عنوان مثال نظر داده شده منفی یا مثبت است). این فصل مدلهایی را که با مجموعه دادههای انتخاب شده و مستقل آموزش دیدهاند، پوشش میدهد.
فصل 5، سیستمهای توصیهکننده آموزش
فصل پنجم کتاب Deep Learning with fastai Cookbook، نحوه استفاده از fastai برای ایجاد سیستمهای توصیهگر را توضیح میدهد، یعنی مدلهایی که به عنوان مثال پیشبینی میکند که آیا خواننده خاصی با توجه به مجموعهای از رتبهبندیهایی که سایر خوانندگان برای کتاب Deep Learning with fastai Cookbook ارائه کردهاند، از کتاب خاصی خوشش میآید یا خیر. این فصل سیستمهای توصیهگر را آموزش میدهد که با مجموعه دادههای انتخاب شده و مستقل آموزش دیدهاند.
فصل 6، مدلهای آموزشی با دادههای بصری
نحوه استفاده از fastai برای ایجاد مدلهای یادگیری عمیق آموزش داده شده در مجموعه دادههای تصویر را توضیح میدهد. نمونههایی در این فصل به شما نشان میدهد که چگونه میتوانید سیستمهای طبقهبندی تصویر را برای تصاویری که یک یا چند شی را به تصویر میکشند، ایجاد کنید، که بر روی مجموعه دادههای مجزا و مستقل آموزش دیدهاند.
فصل 7، استقرار و نگهداری مدل
توضیح میدهد که چگونه میتوانید یک مدل fastai آموزش دیده را انتخاب کرده و آن را در یک برنامه وب ساده به کار بگیرید. مثالهای این فصل به شما نشان میدهد که چگونه مدلهای یادگیری عمیق fastai را که بر روی مجموعه دادههای جداول و تصویر آموزش دیدهاند، به کار بگیرید. این فصل همچنین نحوه نگهداری از مدلها پس از استقرار آنها را به شما میگوید.
فصل 8، ویژگیهای سریع توسعه و استقرار
فصل آخر کتاب Deep Learning with fastai Cookbook، جنبههای اضافی fastai را توضیح میدهد، از جمله پیشرفت مدلهای معرفی شده از فصل 3، مدلهای آموزشی با دادههای جداول، تا فصل 6، مدلهای آموزشی با دادههای بصری، و همچنین تغییرات تکنیکهای استقرار معرفی شده در فصل 7، استقرار و نگهداری مدل.
سرفصلهای کتاب Deep Learning with fastai Cookbook:
- Preface
- 1 Getting Started with fastai
- 2 Exploring and Cleaning Up Data with fastai
- 3 Training Models with Tabular Data
- 4 Training Models with Text Data
- 5 Training Recommender Systems
- 6 Training Models with Visual Data
- 7 Deployment and Model Maintenance
- 8 Extended fastai and Deployment Features
- Index
فایل کتاب Deep Learning with fastai Cookbook را میتوانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.