وضعیت موجودی موجود
Product details
- Publisher : O'Reilly Media; 1st edition (November 12, 2019)
- Language : English
- Paperback : 620 pages
- ISBN-10 : 149203486X
- ISBN-13 : 978-1492034865
جلد سخت سیاه و سفید_کتاب Practical Deep Learning for Cloud, Mobile, and Edge: Real-World AI & Computer-Vision Projects Using Python, Keras & TensorFlow
منابع کتاب جلد سخت سیاه و سفید_کتاب Practical Deep Learning for Cloud, Mobile, and Edge: Real-World AI & Computer-Vision Projects Using Python, Keras & TensorFlow
** به عنوان یک منبع آموزشی در وب سایت رسمی Keras برجسته شده است **
چه مهندس نرم افزاری باشید که مشتاق ورود به دنیای یادگیری عمیق است، چه یک دانشمند داده کهنه کار، یا یک سرگرمی که رویای ساده ساختن اپلیکیشن بعدی هوش مصنوعی ویروسی را دارید، شاید فکر کرده باشید که از کجا شروع کنید. این راهنمای گام به گام به شما می آموزد که چگونه با استفاده از رویکرد عملی، برنامه های کاربردی یادگیری عمیق را برای ابر، موبایل، مرورگرها و دستگاه های لبه بسازید. اگر هدف شما ساختن چیزی خلاقانه، مفید، مقیاس پذیر یا ساده است، این کتاب برای شما مناسب است.
Anirudh Koul، Siddha Ganju و Meher Kasam با تکیه بر چندین دهه تجربه ترکیبی صنعت در تبدیل تحقیقات یادگیری عمیق به برنامه های کاربردی برنده جوایز، شما را در فرآیند تبدیل یک ایده به چیزی که افراد در دنیای واقعی می توانند استفاده کنند، راهنمایی می کنند.
Anirudh Koul، Siddha Ganju و Meher Kasam با تکیه بر چندین دهه تجربه ترکیبی صنعت در تبدیل تحقیقات یادگیری عمیق به برنامه های کاربردی برنده جوایز، شما را در فرآیند تبدیل یک ایده به چیزی که افراد در دنیای واقعی می توانند استفاده کنند، راهنمایی می کنند.
- با Keras، TensorFlow، Core ML و TensorFlow Lite، مدل‌های بینایی رایانه‌ای را آموزش، تنظیم و استقرار دهید.
- هوش مصنوعی را برای طیف وسیعی از دستگاه‌ها از جمله Raspberry Pi، Jetson Nano و Google Coral توسعه دهید.
- پروژه های سرگرم کننده را کاوش کنید، از برنامه Not Hotdog در سیلیکون ولی تا بیش از 40 مطالعه موردی صنعت.
- یک ماشین خودران را در محیط بازی ویدیویی شبیه سازی کنید و یک نسخه مینیاتوری با یادگیری تقویتی بسازید.
- از آموزش انتقال برای آموزش مدل ها در چند دقیقه استفاده کنید.
- بیش از 50 نکته کاربردی را برای به حداکثر رساندن دقت و سرعت مدل، اشکال‌زدایی و مقیاس‌بندی برای میلیون‌ها کاربر کشف کنید.
فهرست فصول
- کاوش در چشم انداز هوش مصنوعی
- آنچه در تصویر است: طبقه بندی تصاویر با Keras
- گربه ها در مقابل سگ ها: آموزش انتقال در 30 خط با کراس
- ساخت موتور جستجوی عکس معکوس: درک جاسازی ها
- از مبتدی تا پیش بینی کننده اصلی: به حداکثر رساندن دقت شبکه عصبی کانولوشنال
- به حداکثر رساندن سرعت و عملکرد TensorFlow: یک چک لیست مفید
- ابزارهای عملی، نکات و ترفندها
- Cloud APIs for Computer Vision: آماده و اجرا در 15 دقیقه
- ارائه استنتاج مقیاس پذیر در ابر با سرویس TensorFlow و KubeFlow
- هوش مصنوعی در مرورگر با TensorFlow.js و ml5.js
- طبقه بندی اشیاء در زمان واقعی در iOS با Core ML
- نه هات داگ در iOS با Core ML و Create ML
- Shazam for Food: توسعه برنامه‌های اندروید با TensorFlow Lite و ML Kit
- ساخت اپلیکیشن Cat Locator Purrfect با API تشخیص اشیاء TensorFlow
- تبدیل شدن به یک سازنده: کاوش هوش مصنوعی جاسازی شده در Edge
- شبیه سازی یک خودروی خودران با استفاده از آموزش عمیق سرتاسری با Keras
- ساخت خودروی خودران در کمتر از یک ساعت: آموزش تقویتی با AWS DeepRacer
محتوای ارائه شده توسط مهمان
این کتاب دارای فصل هایی از کارشناسان صنعت زیر است:
- Sunil Mallya (Amazon AWS DeepRacer )
- آدیتیا شارما و میچل اسپرین ( کتاب آشپزی رانندگی خودکار مایکروسافت )
- سام استرکوال ( ادجیز )
- زید علیافعی ( TensorFlow.js )
این کتاب همچنین دارای محتوایی است که توسط چندین پیشکسوت صنعت از جمله فرانسوا شولت ( کراس ، گوگل )، جرمی هاوارد ( Fast.ai )، پیت واردن ( تنسورفلو موبایل )، انیما آناندکومار ( انویدیا )، کریس اندرسون ( رباتیک سه بعدی )، شانکینگ کای ( 3D Robotics ) ارائه شده است. TensorFlow.js )، دانیل اسمیلکوف (TensorFlow.js ) ، کریستوبال والنزوئلا ( ml5.js )، دانیل شیفمن ( ml5.js )، هارت وولری ( CV 2020 )، دن ابدینور ( فریتز )، چیتوکو یاتو ( NVIDIA Jetson Nano)، جان ولش ( NVIDIA Jetson Nano) و دنی آتسمون (Cognata ).
ارسال نظر درباره جلد سخت سیاه و سفید_کتاب Practical Deep Learning for Cloud, Mobile, and Edge: Real-World AI & Computer-Vision Projects Using Python, Keras & TensorFlow