نام کتاب: Deep Learning For Data Analytics – Foundations, Biomedical Applications, And Challenges
نویسنده: Himansu Das و Chittaranjan Pradhan و Nilanjan Dey
ویرایش: ۱
سال انتشار: ۲۰۲۰
کد ISBN کتاب: ۰۱۲۸۱۹۷۶۴۱, ۹۷۸۰۱۲۸۱۹۷۶۴۶,
فرمت: PDF
تعداد صفحه: ۲۱۸
حجم کتاب: ۱۸ مگابایت
کیفیت کتاب: OCR
انتشارات: Academic Press
Description About Book Deep Learning For Data Analytics – Foundations, Biomedical Applications, And Challenges From Amazon
Deep learning, a branch of Artificial Intelligence and machine learning, has led to new approaches to solving problems in a variety of domains including data science, data analytics and biomedical engineering. Deep Learning for Data Analytics: Foundations, Biomedical Applications and Challenges provides readers with a focused approach for the design and implementation of deep learning concepts using data analytics techniques in large scale environments. Deep learning algorithms are based on artificial neural network models to cascade multiple layers of nonlinear processing, which aids in feature extraction and learning in supervised and unsupervised ways, including classification and pattern analysis. Deep learning transforms data through a cascade of layers, helping systems analyze and process complex data sets. Deep learning algorithms extract high level complex data and process these complex sets to relatively simpler ideas formulated in the preceding level of the hierarchy. The authors of this book focus on suitable data analytics methods to solve complex real world problems such as medical image recognition, biomedical engineering, and object tracking using deep learning methodologies. The book provides a pragmatic direction for researchers who wish to analyze large volumes of data for business, engineering, and biomedical applications. Deep learning architectures including deep neural networks, recurrent neural networks, and deep belief networks can be used to help resolve problems in applications such as natural language processing, speech recognition, computer vision, bioinoformatics, audio recognition, drug design, and medical image analysis.
درباره کتاب Deep Learning For Data Analytics – Foundations, Biomedical Applications, And Challenges ترجمه شده از گوگل
یادگیری عمیق ، شاخه ای از هوش مصنوعی و یادگیری ماشینی ، منجر به رویکردهای جدیدی برای حل مشکلات در حوزه های مختلف از جمله علوم داده ، تجزیه و تحلیل داده ها و مهندسی پزشکی شده است. یادگیری عمیق برای تجزیه و تحلیل داده ها: مبانی ، برنامه های زیست پزشکی و چالش ها رویکرد متمرکز برای طراحی و اجرای مفاهیم یادگیری عمیق را با استفاده از تکنیک های تجزیه و تحلیل داده ها در محیط های بزرگ به خوانندگان ارائه می دهد. الگوریتم های یادگیری عمیق مبتنی بر مدل های شبکه عصبی مصنوعی برای آبشار چندین لایه پردازش غیرخطی است که به استخراج ویژگی ها و یادگیری به روش های نظارت شده و بدون نظارت ، از جمله طبقه بندی و تجزیه و تحلیل الگو کمک می کند. یادگیری عمیق ، داده ها را از طریق چند لایه تبدیل می کند و به سیستم ها کمک می کند مجموعه داده های پیچیده را تجزیه و تحلیل و پردازش کنند. الگوریتم های یادگیری عمیق داده های پیچیده سطح بالا را استخراج می کنند و این مجموعه های پیچیده را به ایده های نسبتاً ساده تری که در سطح قبلی سلسله مراتب فرموله شده پردازش می کنند. نویسندهاین کتاب بر روی روش های مناسب تجزیه و تحلیل داده ها برای حل مشکلات پیچیده دنیای واقعی مانند تشخیص تصویر پزشکی ، مهندسی زیست پزشکی و ردیابی اشیا با استفاده از روش های یادگیری عمیق متمرکز هستند. این کتاب جهت عملیاتی را برای محققانی که مایل به تجزیه و تحلیل حجم زیادی از داده ها برای برنامه های تجاری ، مهندسی و زیست پزشکی هستند فراهم می کند. از معماری های یادگیری عمیق شامل شبکه های عصبی عمیق ، شبکه های عصبی مکرر و شبکه های باور عمیق می توان برای حل مشکلات برنامه هایی مانند پردازش زبان طبیعی ، تشخیص گفتار ، بینایی رایانه ، بیوانفورماتیک ، تشخیص صدا ، طراحی دارو و تجزیه و تحلیل تصویر پزشکی استفاده کرد.
[box type=”info”]
جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
در صورت خراب بودن لینک کتاب، در قسمت نظرات همین مطلب گزارش دهید.
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!
