کتاب Practical Machine Learning for Computer Vision: End-to-End Machine Learning for Images

توضیحات

این کتاب کاربردی به شما نشان می‌دهد که چگونه از مدل‌های یادگیری ماشین برای استخراج اطلاعات از تصاویر استفاده کنید. مهندسان ML و دانشمندان داده با استفاده از این کتاب چگونگی حل انواع مشکلات تصویر را از جمله طبقه‌بندی، تشخیص اشیا، رمزگذارهای خودکار، تولید تصویر، شمارش و نوشتن شرح با تکنیک های اثبات شده ML را یاد خواهند گرفت. این کتاب مقدمه‌ای عالی برای یادگیری عمیق انتها به انتها از جمله ایجاد مجموعه داده، پیش پردازش داده‌ها، طراحی مدل، آموزش مدل، ارزیابی، استقرار و تفسیرپذیری، ارائه می‌دهد.

مهندسان گوگل به شما نشان می‌دهند که چگونه مدل‌های ML بینایی کامپیوتری دقیق و قابل توضیح را توسعه دهید و آن‌ها را با استفاده از معماری قوی ML به روشی انعطاف‌پذیر و قابل نگهداری در تولید در مقیاس بزرگ قرار دهید. شما یاد خواهید گرفت که چگونه با مدل‌هایی که در TensorFlow یا Keras نوشته شده‌اند، طراحی، آموزش، ارزیابی و پیش‌بینی کنید. شما یاد خواهید گرفت که چگونه:

• معماری ML برای وظایف بینایی کامپیوتر را طراحی کنید.
• یک مدل (مانند ResNet، SqueezeNet یا EfficientNet) متناسب با وظیفه خود انتخاب کنید.
• یک خط لوله ML سرتاسر برای آموزش، ارزیابی، استقرار و توضیح مدل خود ایجاد کنید.
• تصاویر را برای تقویت داده‌ها و پشتیبانی از قابلیت یادگیری از قبل پردازش کنید.
• توضیح پذیری و بهترین شیوه‌های هوش مصنوعی مسئولانه را بگنجانید.
• مدلهای تصویر را به عنوان سرویس‌های وب یا در دستگاه‌های لبه به کار ببرید.
• مدل‌های ML را نظرات و مدیریت کنید.