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

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 5,620,000 ریال

قیمت: 5,220,000 ریال

Product details

Publisher ‏ : ‎ O'Reilly Media; 1st edition (August 10, 2021)
Language ‏ : ‎ English
Paperback ‏ : ‎ 482 pages
ISBN-10 ‏ : ‎ 1098102363
ISBN-13 ‏ : ‎ 978-1098102364

Available at a lower price from other sellers that may not offer free Prime shipping.

This practical book shows you how to employ machine learning models to extract information from images. ML engineers and data scientists will learn how to solve a variety of image problems including classification, object detection, autoencoders, image generation, counting, and captioning with proven ML techniques. This book provides a great introduction to end-to-end deep learning: dataset creation, data preprocessing, model design, model training, evaluation, deployment, and interpretability.

Google engineers Valliappa Lakshmanan, Martin Görner, and Ryan Gillard show you how to develop accurate and explainable computer vision ML models and put them into large-scale production using robust ML architecture in a flexible and maintainable way. You'll learn how to design, train, evaluate, and predict with models written in TensorFlow or Keras.

You'll learn how to:

Design ML architecture for computer vision tasks
Select a model (such as ResNet, SqueezeNet, or EfficientNet) appropriate to your task
Create an end-to-end ML pipeline to train, evaluate, deploy, and explain your model
Preprocess images for data augmentation and to support learnability
Incorporate explainability and responsible AI best practices
Deploy image models as web services or on edge devices
Monitor and manage ML models

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

در دسترس قیمت پایین تر از سایر فروشندگان است که ممکن است نخستین حمل و نقل رایگان را ارائه ندهند.

این کتاب عملی به شما نشان می دهد که چگونه مدل های یادگیری ماشین را برای استخراج اطلاعات از تصاویر استفاده کنید. مهندسان ML و دانشمندان داده ها نحوه حل مشکلات مختلفی از جمله طبقه بندی، تشخیص شی، خودکار خودکار، تولید تصویر، شمارش، و کاپیتان با تکنیک های ثابت ML را یاد خواهند گرفت. این کتاب مقدمه ای عالی برای یادگیری عمیق به پایان می رساند: ایجاد مجموعه داده، پیش پردازش داده ها، طراحی مدل، آموزش مدل، ارزیابی، استقرار و تفسیر پذیری.

مهندسان گوگل Valliappa Lakshmanan، مارتین گورنر، و رایان گیلارد، به شما نشان می دهد که چگونه مدل های دقیق و قابل توضیح کامپیوتر ML را به نمایش بگذارند و آنها را به تولید مقیاس های بزرگ با استفاده از معماری قوی ML در یک راه انعطاف پذیر و قابل نگهداری، قرار دهند. شما یاد خواهید گرفت که چگونه طراحی، آموزش، ارزیابی و پیش بینی با مدل های نوشته شده در Tensorflow یا Keras را یاد بگیرید.

شما یاد خواهید گرفت چگونه:

طراحی معماری ML برای وظایف بینایی کامپیوتر

یک مدل (مانند Resnet، Squeezenet، یا Efficialnet) را انتخاب کنید

یک خط لوله ML به پایان برساند تا آموزش، ارزیابی، اعزام، و مدل خود را توضیح دهید

تصاویر پیش پردازش برای افزایش داده ها و حمایت از قابلیت اطمینان

توضیح دادن توضیحات و مسئولیت های موثر AI

مدل های تصویری را به عنوان خدمات وب یا دستگاه های لبه نصب کنید

مانیتور و مدیریت مدل های ML