0 رای
وضعیت موجودی موجود

قیمت قبلی: 12,000,000 ریال
قیمت: 11,600,000 ریال

 



Product details

  • Publisher ‏ : ‎ Manning; 1st edition (August 4, 2020)
  • Language ‏ : ‎ English
  • Paperback ‏ : ‎ 520 pages
  • ISBN-10 ‏ : ‎ 1617295264
  • ISBN-13 ‏ : ‎ 978-1617295263

 

جلد سخت رنگی_کتاب Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools 1st Edition

“We finally have the definitive treatise on PyTorch! It covers the basics and abstractions in great detail. I hope this book becomes your extended reference document.” —Soumith Chintala, co-creator of PyTorch

Key Features
Written by PyTorch’s creator and key contributors
Develop deep learning models in a familiar Pythonic way
Use PyTorch to build an image classifier for cancer detection
Diagnose problems with your neural network and improve training with data augmentation

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About The Book
Every other day we hear about new ways to put deep learning to good use: improved medical imaging, accurate credit card fraud detection, long range weather forecasting, and more. 

PyTorch puts these superpowers in your hands. Instantly familiar to anyone who knows Python data tools like NumPy and Scikit-learn, PyTorch simplifies deep learning without sacrificing advanced features. It’s great for building quick models, and it scales smoothly from laptop to enterprise.

Deep Learning with PyTorch teaches you to create deep learning and neural network systems with PyTorch.  This practical book gets you to work right away building a tumor image classifier from scratch. After covering the basics, you’ll learn best practices for the entire deep learning pipeline, tackling advanced projects as your PyTorch skills become more sophisticated. All code samples are easy to explore in downloadable Jupyter notebooks.

What You Will Learn

 

  • Understanding deep learning data structures such as tensors and neural networks
  • Best practices for the PyTorch Tensor API, loading data in Python, and visualizing results
  • Implementing modules and loss functions
  • Utilizing pretrained models from PyTorch Hub
  • Methods for training networks with limited inputs
  • Sifting through unreliable results to diagnose and fix problems in your neural network
  • Improve your results with augmented data, better model architecture, and fine tuning



This Book Is Written For
For Python programmers with an interest in machine learning. No experience with PyTorch or other deep learning frameworks is required.

About The Authors
Eli Stevens has worked in Silicon Valley for the past 15 years as a software engineer, and the past 7 years as Chief Technical Officer of a startup making medical device software. Luca Antiga is co-founder and CEO of an AI engineering company located in Bergamo, Italy, and a regular contributor to PyTorch. Thomas Viehmann is a Machine Learning and PyTorch speciality trainer and consultant based in Munich, Germany and a PyTorch core developer.

Table of Contents

PART 1 - CORE PYTORCH
1 Introducing deep learning and the PyTorch Library
2 Pretrained networks
3 It starts with a tensor
4 Real-world data representation using tensors
5 The mechanics of learning
6 Using a neural network to fit the data
7 Telling birds from airplanes: Learning from images
8 Using convolutions to generalize

PART 2 - LEARNING FROM IMAGES IN THE REAL WORLD: EARLY DETECTION OF LUNG CANCER
9 Using PyTorch to fight cancer
10 Combining data sources into a unified dataset
11 Training a classification model to detect suspected tumors
12 Improving training with metrics and augmentation
13 Using segmentation to find suspected nodules
14 End-to-end nodule analysis, and where to go next

PART 3 - DEPLOYMENT
15 Deploying to production

منابع کتاب جلد سخت رنگی_کتاب Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools 1st Edition

ما بالاخره رساله قطعی PyTorch را داریم! اصول و انتزاعات را با جزئیات بسیار پوشش می دهد. امیدوارم این کتاب به سند مرجع گسترده شما تبدیل شود.» -Soumith Chintala، شرکت سازنده از PyTorch

ویژگی های کلیدی
نوشته شده توسط خالق PyTorch و همکاران کلیدی
توسعه مدل های یادگیری عمیق در راه پایتونی آشنا
استفاده PyTorch برای ساخت یک طبقه بندی تصویر برای تشخیص سرطان
مشکلات تشخیص با شبکه عصبی خود و بهبود آموزش با تقویت داده

خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات منینگ است.

درباره کتاب
هر روز در مورد روش‌های جدیدی برای استفاده بهینه از یادگیری عمیق می‌شنویم: تصویربرداری پزشکی بهبود یافته، تشخیص دقیق تقلب در کارت اعتباری، پیش‌بینی طولانی مدت آب و هوا، و موارد دیگر. 

PyTorch این ابرقدرت ها را در دستان شما قرار می دهد. PyTorch که فوراً برای هر کسی که ابزارهای داده پایتون مانند NumPy و Scikit-learn را می شناسد آشنا است، یادگیری عمیق را بدون قربانی کردن ویژگی های پیشرفته ساده می کند. این برای ساخت مدل‌های سریع عالی است و به راحتی از لپ‌تاپ به شرکت دیگر مقیاس می‌شود.

یادگیری عمیق با PyTorch به شما می آموزد که یادگیری عمیق و سیستم های شبکه عصبی را با PyTorch ایجاد کنید. این کتاب کاربردی به شما کمک می‌کند تا فوراً یک طبقه‌بندی کننده تصویر تومور را از ابتدا بسازید. پس از پرداختن به اصول اولیه، بهترین روش ها را برای کل خط لوله یادگیری عمیق یاد خواهید گرفت و با پیچیده تر شدن مهارت های PyTorch خود، با پروژه های پیشرفته مقابله خواهید کرد. همه نمونه کدها در نوت بوک های قابل دانلود Jupyter به راحتی قابل کاوش هستند.

آنچه شما یاد خواهید گرفت

 

  • درک ساختارهای داده یادگیری عمیق مانند تانسورها و شبکه های عصبی
  • بهترین روش ها برای PyTorch Tensor API، بارگیری داده ها در پایتون و تجسم نتایج
  • پیاده سازی ماژول ها و توابع از دست دادن
  • استفاده از مدل های از پیش آموزش دیده PyTorch Hub
  • روش‌هایی برای آموزش شبکه‌های با ورودی‌های محدود
  • غربال کردن نتایج غیر قابل اعتماد برای تشخیص و رفع مشکلات در شبکه عصبی شما
  • نتایج خود را با داده های افزوده، معماری مدل بهتر و تنظیم دقیق بهبود دهید



این کتاب
برای برنامه نویسان پایتون با علاقه مندی به یادگیری ماشین نوشته شده است. هیچ تجربه ای با PyTorch یا سایر چارچوب های یادگیری عمیق مورد نیاز نیست.

درباره نویسندگان
الی استیونز در 15 سال گذشته در سیلیکون ولی به عنوان مهندس نرم افزار و 7 سال گذشته به عنوان مدیر ارشد فنی یک استارتاپ که نرم افزار تجهیزات پزشکی را تولید می کند، کار کرده است. لوکا آنتیگا یکی از بنیانگذاران و مدیر عامل یک شرکت مهندسی هوش مصنوعی است که در برگامو ایتالیا واقع شده است و یکی از همکاران دائمی PyTorch است. Thomas Viehmann یک مربی و مشاور تخصصی یادگیری ماشین و PyTorch مستقر در مونیخ، آلمان و یک توسعه دهنده هسته PyTorch است.

فهرست مطالب

بخش 1 - CORE PYTORCH
1 معرفی یادگیری عمیق و کتابخانه
PyTorch 2 شبکه های از پیش آموزش دیده
3 با یک تانسور شروع می شود
4 نمایش داده های دنیای واقعی با استفاده از تانسور
5 مکانیک یادگیری
6 استفاده از شبکه عصبی برای تناسب داده ها
7 گفتن پرندگان از هواپیما: یادگیری از تصاویر
8 استفاده از کانولوشن برای تعمیم

بخش 2 - یادگیری از تصاویر در دنیای واقعی: تشخیص زودهنگام سرطان ریه
9 استفاده از PyTorch برای مبارزه با سرطان
10 ترکیب منابع داده در یک مجموعه داده یکپارچه
11 آموزش یک مدل طبقه بندی برای تشخیص تومورهای مشکوک
12 بهبود آموزش با معیارها و تقویت
13 استفاده از بخش بندی برای یافتن
14 گره مشکوک. تجزیه و تحلیل ندول انتهایی، و کجا باید رفت

قسمت 3 -
استقرار 15 استقرار در تولید

نظرات کاربران درباره جلد سخت رنگی_کتاب Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools 1st Edition

نظری در مورد این محصول توسط کاربران ارسال نگردیده است.
اولین نفری باشید که در مورد جلد سخت رنگی_کتاب Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools 1st Edition نظر می دهد.

ارسال نظر درباره جلد سخت رنگی_کتاب Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools 1st Edition

لطفا توجه داشته باشید که ایمیل شما منتشر نخواهد شد.

برچسب های مرتبط با جلد سخت رنگی_کتاب Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools 1st Edition

and tune neural networks using Python tools 1st Edition train Deep Learning with PyTorch: Build Algorithms Programming خرید اینترنتی کتاب های لاتین خرید اینترنتی کتاب های زبان اصلی کامپیوتر

بر اساس سلیقه شما...

  Product details Publisher ‏ : ‎  Routledge; ...
6,220,000 ریال

codebazan

طراحی و اجرا: فروشگاه ساز سبدخرید