Название: javascript для глубокого обучения: TensorFlow.js
Автор: Шоллэ Ф.
Издательство: Питер
Год: 2021
Страниц: 576
Язык: русский
Формат: pdf
Размер: 30.8 MB
Когда мы только начинали разработку библиотеки TensorFlow.js (TF.js), ранее на зывавшейся deeplearn.js, машинное обучение (Machine Learning, ML) выполнялось в основном на Python. А поскольку мы писали программы на javascript и активно использовали машинное обучение в команде Google Brain, то быстро заметили возможность связать обе сферы. Сегодня благодаря TF.js новому поколению разработчиков из обширного сообщества javascript доступно создание и развертывание моделей машинного обучения, а также новые классы локальных вычислений.
В книге «javascript для глубокого обучения» удачно сочетаются элементы теории глубокого обучения и реальные примеры на javascript с использованием TF.js. Это прекрасный источник информации как для javascript-разработчиков, у которых еще нет опыта машинного обучения или теоретического математического образования, так и для опытных пользователей ML, желающих расширить свою деятельность на экосистему javascript.
В издании вы найдете даже практические советы по внедрению моделей ML в реальные приложения от специалистов, обладающих обширным опытом использования машинного обучения на практике. Примеры в этой книге снабжены иллюстрациями уникальных преимуществ экосистемы javascript. Исходный код всех примеров открыт, так что вы можете экспериментировать с ним и создавать его ветки. Читатели, которые хотели бы изучить ML и использовать javascript в качестве основного языка программирования, могут рассматривать эту книгу как заслуживающий доверия источник информации. Надеемся, вы сочтете изложенные в этой книге передовые идеи машинного обучения и javascript полезными, а свое путешествие по ML на javascript — плодотворным и увлекательным.
Автор: Шоллэ Ф.
Издательство: Питер
Год: 2021
Страниц: 576
Язык: русский
Формат: pdf
Размер: 30.8 MB
Когда мы только начинали разработку библиотеки TensorFlow.js (TF.js), ранее на зывавшейся deeplearn.js, машинное обучение (Machine Learning, ML) выполнялось в основном на Python. А поскольку мы писали программы на javascript и активно использовали машинное обучение в команде Google Brain, то быстро заметили возможность связать обе сферы. Сегодня благодаря TF.js новому поколению разработчиков из обширного сообщества javascript доступно создание и развертывание моделей машинного обучения, а также новые классы локальных вычислений.
В книге «javascript для глубокого обучения» удачно сочетаются элементы теории глубокого обучения и реальные примеры на javascript с использованием TF.js. Это прекрасный источник информации как для javascript-разработчиков, у которых еще нет опыта машинного обучения или теоретического математического образования, так и для опытных пользователей ML, желающих расширить свою деятельность на экосистему javascript.
В издании вы найдете даже практические советы по внедрению моделей ML в реальные приложения от специалистов, обладающих обширным опытом использования машинного обучения на практике. Примеры в этой книге снабжены иллюстрациями уникальных преимуществ экосистемы javascript. Исходный код всех примеров открыт, так что вы можете экспериментировать с ним и создавать его ветки. Читатели, которые хотели бы изучить ML и использовать javascript в качестве основного языка программирования, могут рассматривать эту книгу как заслуживающий доверия источник информации. Надеемся, вы сочтете изложенные в этой книге передовые идеи машинного обучения и javascript полезными, а свое путешествие по ML на javascript — плодотворным и увлекательным.
Скачать javascript для глубокого обучения: TensorFlow.js
Все материалы, представленные на нашем сайте, Вы сможете скачать по ссылкам различных бесплатных файлообменников совершенно бесплатно!
Инструкции, поясняющие, как надо качать бесплатно с файлообменников смотреть тут
Регистрация на нашем сайте позволит Вам добавлять свои книги, а также комментировать опубликованные книги, общаться с нашими авторами.
Для этого мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.