loading...

دانلود آموزش

 یادگیری عمیق (Deep learning) (یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در تلاش هستند مف

O بازدید : 85 پنجشنبه 04 مهر 1398 نظرات (0)
دانلود Packt Deep Learning with Java - آموزش یادگیری عمیق با جاوا

 یادگیری عمیق (Deep learning) (یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشینی و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در تلاش هستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیر خطی هستند، مدل می‌کنند. به بیان دیگر پایهٔ آن بر یادگیری نمایش دانش و ویژگی‌ها در لایه‌های مدل است. یک نمونه آموزشی (برای نمونه: تصویر یک گربه) می‌تواند به صورت‌های گوناگون بسان یک بردار ریاضی پر شده از مقدار به ازای هر پیکسل و در دید کلی تر به شکل یک مجموعه از زیرشکل‌های کوچک‌تر (نظیر اعضای صورت گربه) مدل سازی شود. برخی از این روش‌های مدل سازی سبب ساده شدن فرایند یادگیری ماشین (برای نمونه: تشخیص تصویر گربه) می‌شود. در یادگیری ژرف امید به جایگزینی استخراج این ویژگی‌های تصویر به دست بشر (مانند اعضای گربه) با روش‌های کامل خودکار بدون نظارت و نیمه نظارتی وجود دارد. انگیزهٔ نخستین در بوجود آمدن این ساختار یادگیری از راه بررسی ساختار عصبی در مغز انسان الهام گرفته شده است که در آن یاخته‌های عصبی با فرستادن پیام به یکدیگر درک را امکان‌پذیر می‌کنند. بسته به فرض‌های گوناگون در مورد نحوهٔ اتصال این یاخته‌های عصبی، مدل‌ها و ساختارهای مختلفی در این حوزه پیشنهاد و بررسی شده‌اند، هرچند که این مدل‌ها به صورت طبیعی در مغز انسان وجود ندارد و مغز انسان پیچیدگی‌های بیشتری را دارا است. این مدل‌ها نظیر شبکه عصبی عمیق، شبکه عصبی پیچیده، شبکه باور عمیق پیشرفت‌های خوبی را در حوزه‌های پردازش زبان‌های طبیعی، پردازش تصویر ایجاد کرده‌اند.
در دوره آموزشی Packt Deep Learning with Java با آموزش یادگیری عمیق با جاوا اشنا خواهید شد.

سرفصل های دوره آموزشی Packt Deep Learning with Java:
1 استفاده از اکوسیستم با جاوا 12
2 تشخیص گفتار انسانی با استفاده از طبقه بندی
3 پردازش تصویر با استفاده از Techniques RNN DL
4 آموزش جامع برای مدل سازی زبان های طبیعی
5 پیش بینی طبقه بندی با استفاده از DL 

Packt Deep Learning with Java Screenshot 1 Packt Deep Learning with Java Screenshot 2 Packt Deep Learning with Java Screenshot 3 Packt Deep Learning with Java Screenshot 4

 

Deep learning (DL) is used across a broad range of industries as the fundamental driver of AI. Being able to apply deep learning with Java will be a vital and valuable skill, not only within the tech world but also the wider global economy, which depends upon solving problems with higher accuracy and much more predictability than other AI techniques could provide.

This step-by-step, practical tutorial teaches you how to implement key concepts and adopts a hands-on approach to key algorithms to help you develop a greater understanding of deep learning. You will learn how to use the DL4J library and apply deep learning to a range of real-world use cases. This course will also help you solve challenging problems in image processing, speech recognition, and natural language modeling; it will make you rethink what you can do with Java, showing you how to use it for truly cutting-edge predictive insights.

By the end of this course, you'll be ready to tackle deep learning with Java. Whether you come from a data science background or are a Java developer, you will become part of the deep learning revolution!

More info (open/close)

مشخصات

شرکت سازنده: انتشارات پکت / Packt Publishing Link to
نام انگلیسی: Packt Deep Learning with Java
نام فارسی: آموزش یادگیری عمیق با جاوا
زبان آموزش: انگلیسی
سطح آموزشی: مقدماتی, متوسطه
زمان آموزش: 2 ساعت +
حجم فایل: 401 مگابایت
منبع: پی سی دانلود

 

مطالب مرتبط
ارسال نظر برای این مطلب

کد امنیتی رفرش
اطلاعات کاربری
  • فراموشی رمز عبور؟
  • آمار سایت
  • کل مطالب : 128
  • کل نظرات : 1
  • افراد آنلاین : 4
  • تعداد اعضا : 0
  • آی پی امروز : 3
  • آی پی دیروز : 132
  • بازدید امروز : 10
  • باردید دیروز : 364
  • گوگل امروز : 0
  • گوگل دیروز : 2
  • بازدید هفته : 10
  • بازدید ماه : 5,023
  • بازدید سال : 24,629
  • بازدید کلی : 92,565
  • کدهای اختصاصی
    _________________________ _________________________