یادگیری عمیق برای انسان ها: درک کنید که شبکه های عصبی عمیق چگونه کار می کنند

الگوریتم های یادگیری عمیق زیرمجموعه ای از الگوریتم های یادگیری ماشین هستند که هدف آن ها کشف چندین سطح از بازنمودهای (نمایش های) توزیع شده از داده ورودی است. اخیرا الگوریتم های یادگیری عمیق زیادی برای حل مسائل هوش مصنوعی سنتی ارائه شده اند. در این کتاب خلاصه ای از چندین روش یادگیری عمیق متفاوت و پیشرفت های اخیر آن ها را ارائه می کنیم. شبکه عصبی عمیق در زمینه بینایی همانند دسته بندی تصاویر، شناسایی اشیاء، استخراج تصاویر و قطعه بندی معنایی دارد.
ویژگی بسیار مهم این کتاب پیاده سازی الگوریتم های مربوط به شبکه عصبی عمیق با زبان برنامه نویسی پایتون است.
این کتاب شامل 6 فصل است.
فصل اول، به مفهوم پرسپترون ها (اولین شبکه‌ های عصبی) پرداخته و الگوریتم های آن را با پایتون پیاده سازی می کند. فصل دوم، راهنمای کاملی برای شبکه‌های عصبی عمیق می باشد و الگوریتم مربوط به شبکه‌ های عصبی عمیق را با پایتون پیاده سازی می نماید.
فصل سوم، شبکه های کانولوشن را برای بینایی ماشین شرح داده و الگوریتم های آن را با پایتون پیاده سازی می کند. فصل چهارم، راهنمایی برای بهبود کارایی یادگیری عمیق است که الگوریتم های بهبود یافته در آن با پایتون پیاده سازی شده است.
فصل پنجم، به خود رمزگذار پرداخته، انواع خودرمز گذار را شرح می دهد و آن ها را با پایتون پیاده سازی می نماید.
فصل ششم، شبکه‌ های عصبی بازگشتی و شبکه‌ های عصبی بازگشتی مدرن را بیان کرده، الگوریتم های مربوط به آن ها را با پایتون پیاده سازی می کند.