مجله علمی تفریحی بیبیس
0

دانلود کتاب یادگیری عمیق

بازدید 1016
  • عنوان کتاب: Deep Learning
  • نویسنده: Christopher M. Bishop
  • حوزه: یادگیری عمیق
  • سال انتشار: 2024
  • تعداد صفحه: 656
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 47.2 مگابایت

یادگیری عمیق از شبکه های عصبی چند لایه آموزش دیده با مجموعه داده های بزرگ برای حل وظایف پیچیده پردازش اطلاعات استفاده می کند و به عنوان موفق ترین پارادایم در زمینه یادگیری ماشین ظاهر شده است. در طول دهه گذشته، یادگیری عمیق در بسیاری از حوزه‌ها از جمله بینایی کامپیوتر، تشخیص گفتار و پردازش زبان طبیعی انقلابی ایجاد کرده است و در بسیاری از برنامه‌های کاربردی در مراقبت‌های بهداشتی، تولید، تجارت، مالی، اکتشافات علمی و بسیاری از بخش‌های دیگر مورد استفاده قرار می‌گیرد. . اخیراً، شبکه‌های عصبی عظیمی که به عنوان مدل‌های زبانی بزرگ شناخته می‌شوند و شامل حدود یک تریلیون پارامتر قابل یادگیری هستند، اولین نشانه‌های هوش مصنوعی عمومی را نشان می‌دهند و اکنون یکی از بزرگترین اختلالات در تاریخ فناوری را ایجاد می‌کنند. این تأثیر رو به گسترش با انفجار در تعداد و وسعت انتشارات تحقیقاتی در یادگیری ماشین همراه شده است و سرعت نوآوری همچنان در حال افزایش است. برای تازه واردان به این حوزه، چالش دستیابی به ایده های کلیدی، چه رسد به رسیدن به مرز تحقیقات، می تواند دلهره آور به نظر برسد. در مقابل این پس زمینه، Deep Learning: Foundations and Concepts با هدف ارائه تازه واردان به یادگیری ماشین، و همچنین کسانی که قبلاً در این زمینه تجربه کرده اند، با درک کامل هم از ایده های اساسی که زیربنای یادگیری عمیق هستند و هم مفاهیم کلیدی عمیق مدرن را ارائه می کند. یادگیری معماری و تکنیک ها این مطالب خواننده را با پایه ای قوی برای تخصص های آینده مجهز می کند. با توجه به گستردگی و سرعت تغییرات در این زمینه، ما عمدا از تلاش برای ایجاد یک نظرسنجی جامع از آخرین تحقیقات اجتناب کرده ایم. در عوض، بسیاری از ارزش کتاب از تقطیر ایده‌های کلیدی ناشی می‌شود، و اگرچه می‌توان انتظار داشت که خود این حوزه به پیشرفت سریع خود ادامه دهد، این مبانی و مفاهیم احتمالاً در آزمون زمان مقاومت خواهند کرد. به عنوان مثال، مدل‌های زبانی بزرگ در زمان نگارش به سرعت در حال تکامل بوده‌اند، با این حال معماری و مکانیسم توجه مبدل اصلی در پنج سال گذشته تا حد زیادی بدون تغییر باقی مانده است، در حالی که بسیاری از اصول اصلی یادگیری ماشین برای دهه‌ها شناخته شده‌اند.

Deep learning uses multilayered neural networks trained with large data sets to solve complex information processing tasks and has emerged as the most successful paradigm in the field of machine learning. Over the last decade, deep learning has revolutionized many domains including computer vision, speech recognition, and natural language processing, and it is being used in a growing multitude of applications across healthcare, manufacturing, commerce, finance, scientific discovery, and many other sectors. Recently, massive neural networks, known as large language models and comprising of the order of a trillion learnable parameters, have been found to exhibit the first indications of general artificial intelligence and are now driving one of the biggest disruptions in the history of technology. This expanding impact has been accompanied by an explosion in the number and breadth of research publications in machine learning, and the pace of innovation continues to accelerate. For newcomers to the field, the challenge of getting to grips with the key ideas, let alone catching up to the research frontier, can seem daunting. Against this backdrop, Deep Learning: Foundations and Concepts aims to provide newcomers to machine learning, as well as those already experienced in the field, with a thorough understanding of both the foundational ideas that underpin deep learning as well as the key concepts of modern deep learning architectures and techniques. This material will equip the reader with a strong basis for future specialization. Due to the breadth and pace of change in the field, we have deliberately avoided trying to create a comprehensive survey of the latest research. Instead, much of the value of the book derives from a distillation of key ideas, and although the field itself can be expected to continue its rapid advance, these foundations and concepts are likely to stand the test of time. For example, large language models have been evolving very rapidly at the time of writing, yet the underlying transformer architecture and attention mechanism have remained largely unchanged for the last five years, while many core principles of machine learning have been known for decades.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: Deep Learning

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

بیشتر بخوانید