توضیحات
با استفاده از پیشرفت های اخیر، یادگیری عمیق (Deep Learning) کل حوزهی یادگیری ماشین را بهبود بخشیده است. اکنون، حتی برنامهنویسانی که به فناوری Deep Learning کمتر آشنایی دارند، میتوانند از ابزارهای ساده و کارآمد برای پیادهسازی برنامههایی که قادر به یادگیری از داده ها هستند، استفاده کنند. این کتاب عملی به شما نشان میدهد که چگونه با استفاده از مثالهای واقعی، تئوری کم و دو چارچوب پایتون آماده برای تولید نرمافزارهای هوشمند – Scikit-Learn و TensorFlow – به یک درک شناختی از مفاهیم و ابزارهای برای ساخت سیستمهای هوشمند دست یابید. شما مجموعهای از تکنیکها را یاد خواهید گرفت، از رگرسیون خطی ساده تا شبکههای عصبی عمیق. با تمرینهای هر فصل که به شما کمک میکنند برنامههای یادگیری شده را پیادهسازی کنید، تنها چیزی که نیاز دارید، تجربه برنامهنویسی است.
- بررسی چشمانداز یادگیری ماشین، به خصوص شبکههای عصبی
- استفاده از Scikit-Learn برای پیگیری یک پروژه ماشین-یادگیری از ابتدا تا انتها
- بررسی چندین مدل آموزش، از جمله ماشینهای بردار پشتیبان، درخت تصمیم، جنگلهای تصادفی و روشهای یکپارچه
- استفاده از کتابخانه TensorFlow برای ساخت و آموزش شبکههای عصبی
- بررسی ساختارهای شبکه عصبی
dixenueld –
Flaxseed also has other uses that haven t been studied by doctors to see if they work priligy cvs feet, lungs pulmonary edema, and brain cerebral edema swelling