لایب سان

Build cutting edge machine and deep learning systems for the lab, production, and mobile devices

Key Features

• Understand the fundamentals of deep learning and machine learning through clear explanations and extensive code samples
• Implement graph neural networks, transformers using Hugging Face and TensorFlow Hub, and joint and contrastive learning
• Learn cutting-edge machine and deep learning techniques

Book Description

Deep Learning with TensorFlow and Keras teaches you neural networks and deep learning techniques using TensorFlow (TF) and Keras. You'll learn how to write deep learning applications in the most powerful, popular, and scalable machine learning stack available.

TensorFlow 2.x focuses on simplicity and ease of use, with updates like eager execution, intuitive higher-level APIs based on Keras, and flexible model building on any platform. This book uses the latest TF 2.0 features and libraries to present an overview of supervised and unsupervised machine learning models and provides a comprehensive analysis of deep learning and reinforcement learning models using practical examples for the cloud, mobile, and large production environments.

This book also shows you how to create neural networks with TensorFlow, runs through popular algorithms (regression, convolutional neural networks (CNNs), transformers, generative adversarial networks (GANs), recurrent neural networks (RNNs), natural language processing (NLP), and graph neural networks (GNNs)), covers working example apps, and then dives into TF in production, TF mobile, and TensorFlow with AutoML.

What you will learn

• Learn how to use the popular GNNs with TensorFlow to carry out graph mining tasks
• Discover the world of transformers, from pretraining to fine-tuning to evaluating them
• Apply self-supervised learning to natural language processing, computer vision, and audio signal processing
• Combine probabilistic and deep learning models using TensorFlow Probability
• Train your models on the cloud and put TF to work in real environments
• Build machine learning and deep learning systems with TensorFlow 2.x and the Keras API

Who this book is for

This hands-on machine learning book is for Python developers and data scientists who want to build machine learning and deep learning systems with TensorFlow. This book gives you the theory and practice required to use Keras, TensorFlow, and AutoML to build machine learning systems.

Some machine learning knowledge would be useful. We don't assume TF knowledge.

Table of Contents

1. Neural Networks Foundations with TF
2. Regression and Classification
3. Convolutional Neural Networks
4. Word Embeddings
5. Recurrent Neural Network
6. Transformers
7. Unsupervised Learning
8. Autoencoders
9. Generative Models
10. Self-Supervised Learning
11. Reinforcement Learning
12. Probabilistic TensorFlow
13. An Introduction to AutoML
14. The Math Behind Deep Learning
15. Tensor Processing Unit
16. Other Useful Deep Learning Libraries
17. Graph Neural Networks
18. Machine Learning Best Practices
19. TensorFlow 2 Ecosystem
20. Advanced Convolutional Neural Networks

چکیده فارسی

ماشین های پیشرفته و سیستم های یادگیری عمیق را برای آزمایشگاه، تولید و دستگاه های تلفن همراه بسازید

ویژگی های کلیدی

• درک اصول یادگیری عمیق و یادگیری ماشینی از طریق توضیحات واضح و نمونه‌های کد گسترده
• اجرای شبکه های عصبی نمودار، ترانسفورماتورها با استفاده از Hugging Face و TensorFlow Hub و یادگیری مشترک و کنتراست
• تکنیک های پیشرفته ماشینی و یادگیری عمیق را بیاموزید

شرح کتاب

آموزش عمیق با TensorFlow و Keras به شما شبکه های عصبی و تکنیک های یادگیری عمیق را با استفاده از TensorFlow (TF) و Keras می آموزد. شما یاد خواهید گرفت که چگونه برنامه های یادگیری عمیق را در قدرتمندترین، محبوب ترین و مقیاس پذیرترین پشته یادگیری ماشینی موجود بنویسید.

TensorFlow 2.x با به‌روزرسانی‌هایی مانند اجرای مشتاقانه، APIهای سطح بالاتر بصری مبتنی بر Keras، و ساخت مدل انعطاف‌پذیر بر روی هر پلتفرمی، بر سادگی و سهولت استفاده تمرکز دارد. این کتاب از جدیدترین ویژگی‌ها و کتابخانه‌های TF 2.0 برای ارائه نمای کلی از مدل‌های یادگیری ماشینی تحت نظارت و بدون نظارت استفاده می‌کند و با استفاده از مثال‌های عملی برای محیط‌های ابر، موبایل و محیط‌های تولید بزرگ، تحلیلی جامع از مدل‌های یادگیری عمیق و تقویتی ارائه می‌دهد.

این کتاب همچنین به شما نشان می‌دهد که چگونه شبکه‌های عصبی را با TensorFlow ایجاد کنید، از طریق الگوریتم‌های رایج (رگرسیون، شبکه‌های عصبی کانولوشنال (CNN)، ترانسفورماتورها، شبکه‌های متخاصم مولد (GAN)، شبکه‌های عصبی بازگشتی (RNN)، پردازش زبان طبیعی ( NLP) و شبکه‌های عصبی نموداری (GNN))، برنامه‌های نمونه کار را پوشش می‌دهد و سپس به TF در تولید، TF موبایل و TensorFlow با AutoML می‌پردازد.

آنچه خواهید آموخت

• با نحوه استفاده از GNN های محبوب با TensorFlow برای انجام وظایف استخراج نمودار آشنا شوید
• دنیای ترانسفورماتورها را کشف کنید، از آموزش اولیه گرفته تا تنظیم دقیق و ارزیابی آنها
• از یادگیری خود نظارتی برای پردازش زبان طبیعی، بینایی رایانه و پردازش سیگنال صوتی استفاده کنید
• ترکیب مدل‌های احتمالی و یادگیری عمیق با استفاده از TensorFlow Probability
• مدل های خود را در فضای ابری آموزش دهید و TF را در محیط های واقعی کار کنید
• با TensorFlow 2.x و Keras API سیستم‌های یادگیری ماشین و یادگیری عمیق بسازید

این کتاب برای چه کسی است

این کتاب یادگیری ماشینی کاربردی برای توسعه دهندگان پایتون و دانشمندان داده است که می خواهند با TensorFlow سیستم های یادگیری ماشین و یادگیری عمیق بسازند. این کتاب تئوری و تمرین مورد نیاز برای استفاده از Keras، TensorFlow و AutoML را برای ساختن سیستم‌های یادگیری ماشین به شما می‌دهد.

برخی دانش یادگیری ماشین مفید خواهد بود. ما دانش TF را فرض نمی کنیم.

فهرست محتوا

1. مبانی شبکه های عصبی با TF
2. رگرسیون و طبقه بندی
3. شبکه های عصبی کانولوشن
4. جاسازی های کلمه
5. شبکه عصبی مکرر
6. ترانسفورماتور
7. یادگیری بدون نظارت
8. رمزگذارهای خودکار
9. مدل های مولد
10. یادگیری خود نظارت
11. یادگیری تقویتی
12. TensorFlow احتمالاتی
13. مقدمه ای بر AutoML
14. ریاضی پشت یادگیری عمیق
15. واحد پردازش تانسور
16. سایر کتابخانه های مفید یادگیری عمیق
17. شبکه های عصبی نمودار
18. بهترین شیوه های یادگیری ماشین
19. اکوسیستم TensorFlow 2
20. شبکه های عصبی کانولوشنال پیشرفته