کتاب یادگیری عمیق با MATLAB همراه با یادگیری ماشین و شبکه های عصبی نوشته فیل کیم با ترجمه علی توتونچیان, توسط انتشارات کیان با موضوع مهندسی کامپیوتر و برق، مهندسی نرم افزار، نرم افزار کاربردی، نرم افزار متلب به چاپ رسیده است.
کتابی که می خوانید از شش فصل تشکیل شده است که می‌توان آنها را به سه موضوع تقسیم نمود. موضوع اول یادگیری ماشین است که در فصل 1 مطرح شده است. یادگیری عمیق در واقع بر مبنای یادگیری ماشین شکل گرفته است. اگر می‌خواهید اساس یادگیری عمیق را بفهمید، نیاز است تا فلسفه‌ای که در پس یادگیری ماشین قرار دارد را تا حدودی بدانید. موضوع دوم شبکه‌های عصبی مصنوعی است که در فصل‌های 2 تا 4 بر آنها تمرکز می‌کنیم. از آنجایی که یادگیری عمیق نوعی از یادگیری ماشین است که از شبکه عصبی استفاده می‌کند، شبکه عصبی و یادگیری عمیق قابل تفکیک نیستند. فصل 2 با مبانی شبکه‌های عصبی، شامل مبانی عملکرد، معماری و قوانین یادگیری آغاز می‌شود. همچنین دلیل سیر تکاملی از شبکه عصبی تک‌لایه به شبکه عصبی چندلایه را نیز ارایه می‌کند.
فصل 4 چگونگی استفاده از شبکه‌های عصبی در مسایل رده‌بندی را نشان می‌دهد. به دلیل اینکه رده‌بندی یکی از مهم‌ترین کاربردهای یادگیری ماشین است، فصل مجزایی را به آن اختصاص داده‌ایم. برای مثال تشخیص تصاویر که یکی از اصلی‌ترین کاربردهای یادگیری عمیق است، یک مساله رده‌بندی محسوب می‌شود.
کتاب یادگیری عمیق با MATLAB همراه با یادگیری ماشین و شبکه های عصبی نوشته فیل کیم با ترجمه علی توتونچیان, توسط انتشارات کیان با موضوع مهندسی کامپیوتر و برق، مهندسی نرم افزار، نرم افزار کاربردی، نرم افزار متلب به چاپ رسیده است.
کتابی که می خوانید از شش فصل تشکیل شده است که می‌توان آنها را به سه موضوع تقسیم نمود. موضوع اول یادگیری ماشین است که در فصل 1 مطرح شده است. یادگیری عمیق در واقع بر مبنای یادگیری ماشین شکل گرفته است. اگر می‌خواهید اساس یادگیری عمیق را بفهمید، نیاز است تا فلسفه‌ای که در پس یادگیری ماشین قرار دارد را تا حدودی بدانید. موضوع دوم شبکه‌های عصبی مصنوعی است که در فصل‌های 2 تا 4 بر آنها تمرکز می‌کنیم. از آنجایی که یادگیری عمیق نوعی از یادگیری ماشین است که از شبکه عصبی استفاده می‌کند، شبکه عصبی و یادگیری عمیق قابل تفکیک نیستند. فصل 2 با مبانی شبکه‌های عصبی، شامل مبانی عملکرد، معماری و قوانین یادگیری آغاز می‌شود. همچنین دلیل سیر تکاملی از شبکه عصبی تک‌لایه به شبکه عصبی چندلایه را نیز ارایه می‌کند.
فصل 4 چگونگی استفاده از شبکه‌های عصبی در مسایل رده‌بندی را نشان می‌دهد. به دلیل اینکه رده‌بندی یکی از مهم‌ترین کاربردهای یادگیری ماشین است، فصل مجزایی را به آن اختصاص داده‌ایم. برای مثال تشخیص تصاویر که یکی از اصلی‌ترین کاربردهای یادگیری عمیق است، یک مساله رده‌بندی محسوب می‌شود.
