کتاب Introduction to Deep Learning یک منبع غنی و کامل برای آموختن یادگیری عمیق است. در این کتاب به اصول اولیه و پایه این علم اشاره شده و همچنین با یکی از معروف‌ترین ابزارهای یادگیری عمیق یعنی TensorFlow کار و بررسی می‌شود. علاوه بر آن به توضیح روش‌های معروف در یادگیری عمیق از جمله Sequence to Sequence و Deep Reinforcement می‌پردازد.
شما می‌توانید برای یادگیری تخصصی ابزار TensorFlow از کتاب Deep Learning Pipeline استفاده کنید.
نگاهی اجمالی به یادگیری عمیق:
یادگیری عمیق (Deep learning) (به بیانی دیگر: یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در تلاش هستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرآیند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیر خطی هستند، مدل می‌کنند. به بیان دیگر پایهٔ آن بر یادگیری نمایش دانش و ویژگی‌ها در لایه‌های مدل است.
انگیزهٔ نخستین در به وجود آمدن این ساختار یادگیری از راه بررسی ساختار عصبی در مغز انسان الهام گرفته شده‌است که در آن یاخته‌های عصبی با فرستادن پیام به یکدیگر درک را امکان‌پذیر می‌کنند. بسته به فرض‌های گوناگون در مورد نحوهٔ اتصال این یاخته‌های عصبی، مدل‌ها و ساختارهای مختلفی در این حوزه پیشنهاد و بررسی شده‌اند، هرچند که این مدل‌ها به صورت طبیعی در مغز انسان وجود ندارد و مغز انسان پیچیدگی‌های بیشتری را دارا است. این مدل‌ها نظیر شبکه عصبی عمیق، شبکه عصبی پیچیده، شبکه باور عمیق پیشرفت‌های خوبی را در حوزه‌های پردازش زبان‌های طبیعی، پردازش تصویر ایجاد کرده‌اند.
در حقیقت عبارت یادگیری عمیق، بررسی روش‌های تازه برای شبکه عصبی مصنوعی است.
امروزه از یادگیری عمیق در طرح‌های سرمایه‌گذاری برای افزایش میزان بازده استفاده می‌کنند.
سرفصل‌های کتاب Introduction to Deep Learning:
- Feed-Forward Neural Nets
- Tensor Flow
- Convolutional Neural Networks
- Word Embeddings and Recurrent NNs
- Sequence-to-Sequence Learning
- Deep Reinforcement Learning
- Unsupervised Neural-Network Models
فایل کتاب Introduction to Deep Learning را می‌توانید پس از پرداخت دانلود کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.