پیشرفت ها در یادگیری عمیق – عارف وانی

معرفی کتاب پیشرفت ها در یادگیری عمیق

کتاب پیشرفت‌ها در یادگیری عمیق که توسط جمعی از نویسندگان متخصص و کارآمد با قلمی روان و کم‌ ایراد نگاشته شده است، معطوف به درک این نکتۀ اسـت که: «چرا یادگیری عمیق اهمیت دارد؟». این کتاب به بحث درمورد تازه‌ترین مدل‌های یادگیری عمیق می‌پردازد که به‌تازگی محققان استفاده کرده‌اند.

در این کتاب معماری‌های عمیق مختلف و اجزای آن‌ها، به تفصیل بررسی و شرح داده شده و همچنین الگوریتم‌هایی که برای آموزش معماری‌های عمیق با سرعت هم‌گرایی بالا استفاده می‌شوند، با برنامه‌های کاربردی نشان داده شده است. الگوریتم‌های مختلف برای بهینه‌سازی مدل‌های عمیق نیز مطرح می‌شود.

این کتاب روش یادگیری انتقالی را برای آموزش سریع‌تر مدل‌های عمیق تشریح می‌کند. مترجمان کتاب پیشرفت ها در یادگیری عمیق از تمام تلاش خود برای ایجاد متنی با فهم‌پذیری بالا و ارائۀ توضیحات همراه‌با اشکال و تئوری یادگیری عمیق بهره برده‌اند.

شیوۀ بیان مطالب و استفاده از جداول و تصاویر متعدد، از محاسن کتاب حاضر محسوب می‌شود که نتیجۀ آن درک عمیق‌تر مخاطب از مطالب ارائه‌شده است و این اثر را به یک منبع جذاب و خواندنی تبدیل کرده است. مخاطبان عزیز می‌توانند با بیشترین تخفیف، کتاب موردنظر خود را از همین صفحه تهیه کنند.

کتاب مرتبط : کاربرد کامپیوتر در روانشناسی – جولی پلنت

این کتاب برای چه افرادی مناسب است؟

یادگیری عمیق زیرمجموعه‌ای از یادگیری ماشین است و یکی از روش‌های هوش مصنوعی نیز محسوب می‌شود. به همین دلیل، گروه هدف این کتاب افرادی هستند که در زمینۀ هوش مصنوعی فعالیت می‌کنند و به این حیطه نیز علاقه‌مند هستند. افرادی که در زمینۀ یادگیری از نظر الگوریتم‌های مشابه مغز به تحقیق و پژوهش می‌پردازند، می‌توانند با خرید کتاب پیشرفت ها در یادگیری عمیق عارف وانی از انتشارات دانشگاه تهران از مطالب آن بهره‌مند شوند.

توضیحات تکمیلی

کتاب حاضر در هشت فصل تنظیم شده است. قسمت اول با مقدمۀ بر یادگیری ماشین شروع می‌شود. در ادامه، به خوانندگان خود توضیحی عمیق اما آسان و بدون پیچیدگی درمورد اجزای مختلف معماری ارائه می‌دهد. هدف از فصل بعدی، ارائۀ توضیحی ساده از الگوریتم پس‌انتشار برای شبکۀ یادگیری عمیق است. مؤلفان کتاب در بخش بعدی بر معماری‌های مختلف یادگیری عمیق که براساس CNN ساخته شده است، تمرکز می‌کنند.

اصول معماری و الگوریتم‌های مرتبط، استفاده از شبکه‌های عصبی کانولوشنال و چگونگی مدل ایجاد یادگیری عمیق از مباحثی است که به تفصیل در کتاب توضیح داده شده‌اند.
یکی از نویسندگان این اثر جذاب و خواندنی، عارف وانی است که درحال‌حاضر به‌عنوان استاد در دانشکدۀ تحصیلات تکمیلی علوم کامپیوتر فعالیت می‌کند. علایق آموزشی و پژوهشی پروفسور وانی، هوش مصنوعی و یادگیری ماشینی است.

مترجمان کتاب پیشرفت ها در یادگیری عمیق، دکتر سید سعید محتسبی، استاد دانشگاه تهران، دکتر احمد جهانبخشی و دکتر حسین آزرم‌دل هستند.

کتاب مرتبط : ابر مهارت ها – درثی ریچ

بریدۀ کتاب

در شبکۀ عصبی مرسوم، سلول‌های عصبی (نورون‌ها) به‌طور کامل بین لایه‌های مختلف متصل هستند. به لایه‌هایی که بین لایۀ ورودی و لایۀ خروجی قرار می‌گیرند، لایه‌های مخفی (پنهان) گفته می‌شود. هر لایۀ پنهان از تعدادی نورون تشکیل می‌شود و هر نورون به‌طور کامل با تمام سلول‌های عصبی موجود در لایۀ قبلی در ارتباط است.

مشکلی که در شبکۀ عصبی به‌طور کامل متصل وجود دارد، این است که ساختار شبکۀ متراکم متصل به آن با تصاویر بزرگ تناسب خوبی ندارد. بهترین روش برای تصاویر بزرگ، استفاده از شبکۀ عصبی کانولوشنال است. شبکۀ عصبی کانولوشنال، معماری شبکۀ عصبی عمیقی است که برای پردازش داده‌هایی طراحی شده است که توپولوژی شناخته‌شدۀ توری‌مانند دارند.

فهرست کتاب پیشرفت ها در یادگیری عمیق

فصل 1: مقدمه‌ای بر یادگیری عمیق

فصل 2: مبانی یادگیری عمیق تحت نظارت

فصل 3: آموزش شبکه‌های یادگیری عمیق نظارت شده

فصل 4: معماری‌های یادگیری عمیق تحت نظارت

فصل 5: معماری‌های یادگیری عمیق بدون نظارت

فصل 6: یادگیری عمیق تحت نظارت در تشخیص چهره

فصل 7: یادگیری عمیق تحت نظارت در تشخیص اثر انگشت

فصل 8: یادگیری عمیق بدون نظارت در تشخیص نویسه

اصطلاحات تخصصی