Deep Learning for Engineers

[Farid]

Deep Learning for Engineers - (18.94 MB) - 170 - Tariq M. Arif - 2020 - Tecniche Nuove -

Negli ultimi dieci anni, con il ritorno delle reti neurali, la comprensione del Deep Learning è diventata essenziale e questo manuale fornisce un'introduzione approfondita per i data scientist e gli ingegneri del software con precedenti esperienze nel machine learning. Inizierete con le basi del Deep Learning e passerete rapidamente ai dettagli di importanti architetture avanzate, implementando tutto da zero. L'autore Seth Weidman vi mostra come funzionano le reti neurali usando un approccio basato su principi primi. Imparerete come applicare da zero le reti neurali multistrato, le reti neurali convoluzionali e quelle ricorrenti. Acquisendo una comprensione dettagliata di come queste reti funzionino matematicamente, computazionalmente e concettualmente, porterete a termine con successo i vostri futuri progetti di Deep Learning. Gli argomenti trattati: - Modelli mentali chiari per la comprensione delle reti neurali, accompagnati da esempi di codice funzionanti e spiegazioni matematiche. - Metodi per l'implementazione di reti neurali multistrato da zero, utilizzando un framework orientato agli oggetti di facile comprensione. - Esempi e spiegazioni chiare di reti neurali convoluzionali e ricorrenti. - Implementazione dei concetti di rete neurale mediante il popolare framework PyTorch.

Deep Learning for Engineers introduces the fundamental principles of deep learning along with an explanation of the basic elements required for understanding and applying deep learning models.

As a comprehensive guideline for applying deep learning models in practical settings, this book features an easy-to-understand coding structure using Python and PyTorch with an in-depth explanation of four typical deep learning case studies on image classification, object detection, semantic segmentation, and image captioning. The fundamentals of convolutional neural network (CNN) and recurrent neural network (RNN) architectures and their practical implementations in science and engineering are also discussed.

This book includes exercise problems for all case studies focusing on various fine-tuning approaches in deep learning. Science and engineering students at both undergraduate and graduate levels, academic researchers, and industry professionals will find the contents useful.



✅ Contents of Download:
⭐️ Deep Learning for Engineers.pdf (18.94 MB)

⭐️ Deep Learning for Engineers ✅ (18.94 MB)

NitroFlare Link(s)

[To see links please register or login]

RapidGator Link(s)

[To see links please register or login]