deep learning book
1.0.0
مستودع للمقدمة في كتاب الشبكات العصبية الاصطناعية والتعلم العميق: دليل عملي مع تطبيقات في بيثون .
التعلم العميق ليس فقط الحديث عن المدينة بين أفراد التكنولوجيا. يتيح لنا التعلم العميق معالجة المشكلات المعقدة ، وتدريب الشبكات العصبية الاصطناعية على التعرف على الأنماط المعقدة للتعرف على الصور والكلام. في هذا الكتاب ، سنستمر في المكان الذي توقفنا فيه في تعلم الآلة في بيثون وتنفيذ خوارزميات التعلم العميق في Pytorch.
سيحتوي هذا المستودع على التعليمات وأمثلة رمز وحلول للأجزاء العملية وممارسة كل فصل.
ستتوفر إصدارات PDF و Ebook من الكتاب من Leanpub.
ISBN-10: [TBA]
ISBN-13: [TBA]
غلاف عادي: EST. 2018
01 - مقدمة
02 - The Perceptron
03 - تحسين وظائف التكلفة مع نزول التدرج
04 - الانحدار اللوجستي وانحدار softmax
05 - من الانحدار softmax إلى إدراكات متعددة الطبقات
06 - مقاييس التحقق من الصحة والأداء
07 - التنظيم في الشبكات العصبية
08 - معدلات التعلم وتهيئة الوزن
09 - الشبكات العصبية التلافيفية
10 - الشبكات العصبية المتكررة
11 - أدوات تلقائية
12 - الشبكات العصبية العازفة العامة
13 - نماذج توليدية عميقة
14 - التعلم التعزيز
التذييل أ: الترميز الرياضي [PDF]
التذييل ب: أساسيات الجبر [PDF]
التذييل ج: الجبر الخطي أساسيات
التذييل د: حساب التفاضل والتكامل والتمايز التمايز [PDF]
الملحق E: نظرة عامة على نظرية الاحتمال
التذييل F: مرجع الاتفاقيات الإخطار
التذييل G: إعداد Python
التذييل ح: مقدمة إلى Numpy [PDF] [دفتر رمز]
التذييل الأول: أساسيات Pytorch
الملحق الأول (Alt.): TensorFlow Basics [PDF] [Code Notebook]
التذييل J: الحوسبة السحابية [PDF]
أصبح التعلم الآلي جزءًا أساسيًا من حياتنا - كمستهلكين وعملاء ، ونأمل كباحثين وممارسين! إنني أقدر كل التعليقات اللطيفة التي أرسلتها لي حول التعلم الآلي Python ، وأنا سعيد جدًا لسماع أنك وجدت أنها مفيدة للغاية كدليل تعليمي ، ومساعدتك في تطبيقات عملك ومشاريع البحث. لقد تلقيت العديد من رسائل البريد الإلكتروني منذ إصدارها. أيضًا ، في رسائل البريد الإلكتروني هذه ، كنت تسألني عن مسبق أو تتمة محتملة.
في البداية ، كنت أميل إلى كتابة المزيد عن أجزاء "الرياضيات" ، والتي يمكن أن تكون عقبة حقيقية للجميع تقريبًا دون (أو حتى مع) تخصص الرياضيات في الكلية. في البداية ، اعتقدت أن كتابة كتاب عن "رياضيات التعلم الآلي" كان أمرًا رائعًا. الآن ، لدي حوالي 15 فصلاً من الملاحظات حول ما قبل كالكولوس ، حساب التفاضل والتكامل ، الجبر الخطي ، الإحصاءات ، ونظرية الاحتمال. ومع ذلك ، توصلت في النهاية إلى أن هناك الكثير من كتب الرياضيات الأخرى هناك ، بالفعل! معظمهم أفضل بكثير وأكثر شمولاً ودقة من مقدمة محتملة ~ 500 صفحة للمواضيع التي كان لدي في المتجر. بعد كل شيء ، أعتقد أن الدافع الحقيقي للتعلم وفهم موضوع ما يأتي من أن يكون متحمسًا له في المقام الأول ؛ إذا كنت متحمسًا للتعلم الآلي وتعثرت على قاعدة السلسلة في حساب التفاضل والتكامل ، فلن تواجه أي مشاكل للعثور على مورد موثوق به عبر محرك البحث المفضل لديك هذه الأيام.
لذا ، بدلاً من كتابة "Prequel" ، اسمحوا لي أن أكتب عن شيء مبني على المفاهيم التي قدمتها في الفصول اللاحقة من التعلم الآلي Python - خوارزميات للتعلم العميق. بعد أن قمنا بترميز Perceptron متعدد الطبقات (نوع معين من الشبكة العصبية الاصطناعية الملحقة) من نقطة الصفر ، ألقينا نظرة موجزة على بعض مكتبات Python لتنفيذ خوارزميات التعلم العميق ، وقدمت الشبكات العصبية التلافيفية والمتكررة على المستوى المفاهيمي.
في هذا الكتاب ، أريد أن أستمر في المكان الذي تركت فيه وأرغب في تنفيذ الشبكات والخوارزميات العصبية العميقة لخوارزميات التعلم العميق من الصفر ، باستخدام Python ، Numpy ، و Scipy طوال هذه الرحلة التعليمية. بالإضافة إلى حصص العلوم الفانيليا ، سنقوم بتنفيذ هذه الخوارزميات في مكتبة التعلم العميق للغاية التي يمكن الوصول إليها بشكل كبير لتنفيذ وتطبيق التعلم العميق على مشاكل العالم الحقيقي.
جميع التعليمات البرمجية في هذا المستودع (بما في ذلك أمثلة الكود في دفاتر Jupyter) هو محتوى مفتوح المصدر ، تم إصداره ضمن ترخيص برنامج MIT. باختصار ، يتيح لك ترخيص معهد ماساتشوستس للتكنولوجيا المسموح به القيام بأي شيء مع الكود مع الإسناد المناسب وبدون ضمان ؛ يرجى التحقق من إشعار ترخيص MIT لمزيد من التفاصيل.
جميع المحتوى غير الرمز والأعمال الإبداعية في هذا المستودع ، بما في ذلك النص والرسومات ، يخضع لحقوق الطبع والنشر الحصرية من قبل المؤلف ، سيباستيان راشكا. ما لم يذكر خلاف ذلك ، فإن محتوى النص المشترك في هذا المستودع مخصص للاستخدام الشخصي فقط. يمكنك استخدام أو تعديل أو مشاركة مقاطع نصية قصيرة من هذا العمل مع الإسناد المناسب للمؤلف. ومع ذلك ، إذا كنت تخطط لتعديل و/أو مشاركة أجزاء كبيرة من هذا الكتاب للكتابات الأخرى ، مثل منشورات المدونة ، أو مقالة المجلات ، أو تعليم المواد ، اتصل بالمؤلف للحصول على إذن.
الأرقام والرسومات التي يتميز بها Creative Commons Attribution-Tharealike 4.0 International هي حرة في المشاركة بموجب شروط الترخيص المعنية (كما هو موضح في القسم الدولي Creative Commons Attribution-Sharealike 4.0 في ملف الترخيص) والإسناد المناسب.
أود أن أقدم شكري بشكل خاص للقراء ، الذين اشتعلوا العديد من الأخطاء المطبعية والأخطاء وقدموا اقتراحات لتوضيح كتابتي.
