وضعیت موجودی موجود
Product details
- Publisher : O'Reilly Media; 1st edition (August 11, 2020)
- Language : English
- Paperback : 624 pages
- ISBN-10 : 1492045527
- ISBN-13 : 978-1492045526
کتاب Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD
Deep learning is often viewed as the exclusive domain of math PhDs and big tech companies. But as this hands-on guide demonstrates, programmers comfortable with Python can achieve impressive results in deep learning with little math background, small amounts of data, and minimal code. How? With fastai, the first library to provide a consistent interface to the most frequently used deep learning applications.
Authors Jeremy Howard and Sylvain Gugger, the creators of fastai, show you how to train a model on a wide range of tasks using fastai and PyTorch. You’ll also dive progressively further into deep learning theory to gain a complete understanding of the algorithms behind the scenes.
- Train models in computer vision, natural language processing, tabular data, and collaborative filtering
- Learn the latest deep learning techniques that matter most in practice
- Improve accuracy, speed, and reliability by understanding how deep learning models work
- Discover how to turn your models into web applications
- Implement deep learning algorithms from scratch
- Consider the ethical implications of your work
- Gain insight from the foreword by PyTorch cofounder, Soumith Chintala
منابع کتاب کتاب Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD
یادگیری عمیق اغلب به عنوان دامنه منحصر به فرد دکترای ریاضی و شرکت های بزرگ تکنولوژی دیده می شود. اما همانطور که این راهنمای دست، نشان می دهد، برنامه نویسان راحت با پایتون می توانند نتایج قابل توجهی را در یادگیری عمیق با پس زمینه ریاضی کمی، مقدار کمی از داده ها و حداقل کد به دست آورند. چطور؟ با Fastai، اولین کتابخانه برای ارائه یک رابط سازگار به برنامه های یادگیری عمیق اغلب استفاده می شود.
نویسندگان جرمی هاوارد و سیلوین گوگگر، سازندگان Fastai، به شما نشان می دهند که چگونه یک مدل را در طیف گسترده ای از وظایف با استفاده از Fastai و Pytorch آموزش دهید. شما همچنین می توانید به تدریج به تئوری یادگیری عمیق بروید تا درک کامل الگوریتم های پشت صحنه را درک کنید.
مدل های قطار در بینایی کامپیوتر، پردازش زبان طبیعی، داده های جدولی، و فیلتر کردن همکاری
آخرین تکنیک های یادگیری عمیق را که بیشتر در عمل اهمیت دارد، یاد بگیرید
بهبود دقت، سرعت و قابلیت اطمینان با درک اینکه چگونه مدل های یادگیری عمیق کار می کنند
کشف نحوه تبدیل مدل های خود را به برنامه های کاربردی وب
الگوریتم های یادگیری عمیق را از ابتدا اجرا کنید
مفاهیم اخلاقی کار خود را در نظر بگیرید
به دست آوردن بینش از پیشگفتار توسط Pytorch Cofounder، Soumith Chintala
ارسال نظر درباره کتاب Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD