توضیحات
امروز برای شما کاربران گرامی دانلود کتاب Hands-On Python Deep Learning for the Web را در سایت پی سی اسکریپت قرار داده ایم. از قدرت یادگیری عمیق با پایتون برای ایجاد و استقرار برنامه های وب هوشمند استفاده کنید
امروز برای شما کاربران گرامی دانلود کتاب Hands-On Python Deep Learning for the Web را در سایت پی سی اسکریپت قرار داده ایم. از قدرت یادگیری عمیق با پایتون برای ایجاد و استقرار برنامه های وب هوشمند استفاده کنید ویژگی های اصلی ایجاد برنامه های وب بعدی هوشمند با استفاده از کتابخانه های Python مانند Flask و Django الگوریتم ها و تکنیک های یادگیری عمیق را برای اجرای اتوماسیون وب هوشمند ادغام معماری شبکه عصبی را برای ایجاد قدرتمند برنامه های کاربردی وب کامل پشته توضیحات کتاب هنگامی که به طور موثر استفاده می شود ، تکنیک های یادگیری عمیق می توانند به شما در توسعه برنامه های وب هوشمند کمک کنند.
در این کتاب جدیدترین ابزارها و شیوه های تکنولوژیکی مورد استفاده برای اجرای یادگیری عمیق در توسعه وب با استفاده از پایتون را پوشش می دهید. با شروع اصول یادگیری ماشین ، شما بر روی DL و اصول اولیه شبکه های عصبی متمرکز خواهید شد ، از جمله انواع متداول مانند شبکه های عصبی کانونی (CNNs). یاد می گیرید که چگونه آنها را در صفحات وب استاندارد های مختلف فن آوری وب ادغام کنید. هم اکنون می توانید این کتاب ارزشمند را از سایت پی سی اسکریپت با قیمت خیلی مناسب و ارزان تهیه کنید.
توضیحاتی در خصوص کتاب Hands-On Python Deep Learning for the Web :
Book Description :
When used effectively, deep learning techniques can help you develop intelligent web apps. In this book, you’ll cover the latest tools and technological practices that are being used to implement deep learning in web development using Python.
Starting with the fundamentals of machine learning, you’ll focus on DL and the basics of neural networks, including common variants such as convolutional neural networks (CNNs). You’ll learn how to integrate them into websites with the frontends of different standard web tech stacks. The book then helps you gain practical experience of developing a deep learning-enabled web app using Python libraries such as Django and Flask by creating RESTful APIs for custom models. Later, you’ll explore how to set up a cloud environment for deep learning-based web deployments on Google Cloud and Amazon Web Services (AWS). Next, you’ll learn how to use Microsoft’s intelligent Emotion API, which can detect a person’s emotions through a picture of their face. You’ll also get to grips with deploying real-world websites, in addition to learning how to secure websites using reCAPTCHA and Cloudflare. Finally, you’ll use NLP to integrate a voice UX through Dialogflow on your web pages.
By the end of this book, you’ll have learned how to deploy intelligent web apps and websites with the help of effective tools and practices.
What you will learn
- Explore deep learning models and implement them in your browser
- Design a smart web-based client using Django and Flask
- Work with different Python-based APIs for performing deep learning tasks
- Implement popular neural network models with TensorFlow.js
- Design and build deep web services on the cloud using deep learning
- Get familiar with the standard workflow of taking deep learning models into production
Who this book is for
This deep learning book is for data scientists, machine learning practitioners, and deep learning engineers who are looking to perform deep learning techniques and methodologies on the web. You will also find this book useful if you’re a web developer who wants to implement smart techniques in the browser to make it more interactive. Working knowledge of the Python programming language and basic machine learning techniques will be beneficial.
Table of Contents
- Demystifying Artificial Intelligence and Fundamentals of Machine Learning
- Getting Started with Deep Learning Using Python
- Creating Your First Deep Learning Web Application
- Getting Started with TensorFlow.js
- Deep Learning through APIs
- Deep Learning on Google Cloud Platform Using Python
- DL on AWS Using Python: Object Detection and Home Automation
- Deep Learning on Microsoft Azure Using Python
- A General Production Framework for Deep Learning-Enabled Websites
- Securing Web Apps with Deep Learning
- DIY – A Web DL Production Environment
- Creating an E2E Web App Using DL APIs and Customer Support Chatbot
- Appendix: Success Stories and Emerging Areas in Deep Learning on the Web
|
تصاویری از کتاب :
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.