کتاب Learning TensorFlow.js: Powerful Machine Learning in JavaScript

توضیح کوتاه در رابطه با محتوای کتاب:

کتاب Learning TensorFlow.js: Powerful Machine Learning in JavaScript نوشته Gant Laborde، راهنمایی عملی برای یادگیری و پیاده‌سازی مدل‌های یادگیری ماشین با استفاده از JavaScript و کتابخانه TensorFlow.js است. این کتاب به توسعه‌دهندگان وب و برنامه‌نویسان کمک می‌کند تا بدون محدود شدن به زبان‌هایی مانند Python، از قابلیت‌های هوش مصنوعی در برنامه‌های تحت وب و محیط Node.js استفاده کنند.

مهم‌ترین موضوعات کتاب:

  • آشنایی با مفاهیم هوش مصنوعی و انواع یادگیری ماشین
  • آموزش TensorFlow.js و راه‌اندازی آن در مرورگر و Node.js
  • کار با Tensorها و عملیات ریاضی روی داده‌ها
  • پردازش تصویر و تبدیل تصاویر به Tensor
  • استفاده از مدل‌های آماده و TensorFlow Hub
  • ساخت، آموزش و ارزیابی مدل‌های یادگیری ماشین
  • آموزش شبکه‌های عصبی و مدل‌های طبقه‌بندی
  • یادگیری انتقالی یا Transfer Learning
  • پیاده‌سازی پروژه‌های عملی مبتنی بر هوش مصنوعی

اطلاعات کتاب:

زبانانگلیسی
نویسندهگنت لابورد (Gant Laborde)
ناشرانتشارات اریلی میدیا (O’Reilly Media)
قطع کتابوزیری
نوع کاغذتحریر
نوع جلدجلد نرم (شومیز)
نوع چاپسیاه سفید کیفیت عالی A (دیجیتال)
تعداد صفحه338
وزن570 گرم
شابک (ISBN)978-1492090793

قیمت اصلی 3,050,000 تومان بود.قیمت فعلی 1,525,000 تومان است.

با توجه به اینکه تمامی کتاب‌ها دارای جلد و به‌صورت سلفون‌شده عرضه می‌شوند، خدمات سیمی‌کردن به‌طور پیش‌فرض بدون طلق انجام خواهد شد.

هزینه درج‌شده در بخش «سیمی‌کردن» نیز مربوط به سیمی‌کردن بدون طلق است.

چنانچه تمایل دارید برای کتاب شما طلق نیز اضافه شود، لطفاً این درخواست را در قسمت یادداشت سفارش ثبت کنید. پس از ثبت سفارش، کارشناسان پشتیبانی کادن برای هماهنگی هزینه و جزئیات با شما تماس خواهند گرفت.

چاپ دیجیتال بیشتر برای تیراژ پایین و چاپ سریع به‌کار می‌رود. در این روش، فایل مستقیماً از کامپیوتر روی دستگاه چاپ منتقل می‌شود و برای چاپ چند جلد کتاب یا نمونه اولیه بسیار مناسب است.
اما چاپ افست برای تیراژ بالا استفاده می‌شود و کیفیت رنگ و جزئیات در آن بسیار بالاتر است. در چاپ افست ابتدا زینک تهیه می‌شود و سپس طرح روی کاغذ منتقل می‌گردد. این روش برای چاپ‌های حرفه‌ای و اقتصادی در تعداد زیاد کاربرد دارد.

قطع وزیری یکی از رایج‌ترین اندازه‌های کتاب است و ابعادی حدود ۲۴ در ۱۷ سانتی‌متر دارد. این نوع قطع برای کتاب‌های درسی، دانشگاهی و آموزشی بسیار پرکاربرد است.

اما قطع رحلی بزرگ‌تر بوده و معمولاً اندازه آن ۲۹ در ۲۱ سانتی‌متر یا حتی بیشتر است. این قطع برای کتاب‌های تصویری، زبان، فرهنگ لغت و کتاب‌های آموزشی با جزئیات زیاد استفاده می‌شود تا خوانایی و فضای صفحه بیشتر باشد.

قطع رقعی یکی از رایج‌ترین قطع‌های کتاب در بازار نشر ایران است و ابعادی حدود ۲۱ در ۱۴ سانتی‌متر دارد. این قطع بیشتر برای رمان‌ها، کتاب‌های داستانی، مذهبی و آثار عمومی استفاده می‌شود، زیرا خوش‌دست بوده و برای مطالعه طولانی‌مدت بسیار مناسب است.

کتاب با جلد سخت (Hardcover) دارای رویه‌ای محکم از جنس مقوای ضخیم یا گالینگور است که با روکش سلفون یا پارچه پوشانده می‌شود. این نوع جلد دوام بسیار بالایی دارد و برای کتاب‌های نفیس، مرجع یا هدیه‌ای انتخاب می‌شود.
در مقابل، جلد نرم (Paperback) از مقوای نازک‌تر ساخته شده و سبک‌تر و اقتصادی‌تر است. بیشتر کتاب‌های آموزشی و رمان‌ها با جلد نرم چاپ می‌شوند.

کاغذ تحریر (Wood-free Paper)

کاغذ تحریر متداول‌ترین نوع در چاپ کتاب است. رنگی سفید و سطحی مات دارد که باعث می‌شود چشم هنگام مطالعه خسته نشود.
این نوع کاغذ برای کتاب‌های درسی، دانشگاهی، آموزشی و رمان‌ها بسیار مناسب است.

ویژگی‌ها:

کاغذ بالک (Book Paper / Bulky Paper)

کاغذ بالک کمی ضخیم‌تر و سبک‌تر از کاغذ تحریر است و معمولاً رنگ آن کرم یا نخودی است.
در نتیجه هنگام مطالعه، نور کمتری منعکس می‌شود و چشم کمتر خسته می‌شود. به همین دلیل در کتاب‌های حجیم مثل رمان‌های طولانی یا منابع آموزشی پرصفحه، بسیار محبوب است.

ویژگی‌ها:

کاغذ گلاسه

کاغذ گلاسه سطحی براق و صاف دارد که رنگ‌ها را بسیار زنده و درخشان نمایش می‌دهد.
این نوع کاغذ بیشتر برای کتاب‌های تصویری، کاتالوگ‌ها، مجلات رنگی و کتاب‌های آموزشی تصویردار استفاده می‌شود.

ویژگی‌ها:

5 نفر در حال مشاهده این محصول هستند!
توضیحات

کتاب Learning TensorFlow.js

کتاب Learning TensorFlow js

کتاب Learning TensorFlow js

معرفی کتاب Learning TensorFlow js:

هوش مصنوعی و یادگیری ماشین در سال‌های اخیر به بخش مهمی از توسعه نرم‌افزار تبدیل شده‌اند. بسیاری از برنامه‌های مدرن از قابلیت‌هایی مانند تشخیص تصویر، طبقه‌بندی اطلاعات، پیش‌بینی و تحلیل داده استفاده می‌کنند. در این میان، TensorFlow.js امکان اجرای مدل‌های یادگیری ماشین را در اکوسیستم JavaScript فراهم کرده است.

کتاب Learning TensorFlow.js نوشته Gant Laborde، با عنوان فرعی Powerful Machine Learning in JavaScript، به آموزش این فناوری و کاربردهای آن در توسعه نرم‌افزار می‌پردازد. نویسنده تلاش کرده است مفاهیم هوش مصنوعی و یادگیری ماشین را به شکلی قابل‌فهم برای برنامه‌نویسان JavaScript توضیح دهد و سپس آن‌ها را به پروژه‌های عملی پیوند بزند.

یکی از ویژگی‌های مهم TensorFlow.js این است که می‌توان مدل‌های یادگیری ماشین را در مرورگر اجرا کرد یا از آن‌ها در محیط Node.js بهره برد. این قابلیت به توسعه‌دهندگان اجازه می‌دهد قابلیت‌های هوشمند را در برنامه‌های وب ادغام کنند؛ برای مثال، یک وب‌سایت می‌تواند تصویر دریافتی از کاربر را تحلیل کند، اشیا را تشخیص دهد یا با استفاده از یک مدل آموزش‌دیده، داده‌ها را طبقه‌بندی کند.

نویسنده در ابتدای کتاب، خواننده را با مفاهیم پایه هوش مصنوعی، شبکه‌های عصبی و انواع یادگیری ماشین آشنا می‌کند. سپس مباحث فنی TensorFlow.js، ساختار Tensorها، پردازش تصویر و استفاده از مدل‌های آماده را آموزش می‌دهد. در فصل‌های بعدی نیز موضوعاتی مانند طراحی و آموزش مدل، طبقه‌بندی داده‌ها، تحلیل اطلاعات تصویری و Transfer Learning بررسی می‌شوند.

کتاب Learning TensorFlow js صرفاً به معرفی کتابخانه TensorFlow.js محدود نیست؛ بلکه تلاش می‌کند روند استفاده از مدل‌های یادگیری ماشین را از مرحله آماده‌سازی داده تا آموزش، ارزیابی و استفاده در یک برنامه کاربردی نشان دهد.

ویژگی‌های کتاب:

  • آموزش یادگیری ماشین در محیط JavaScript: تمرکز اصلی کتاب بر استفاده از قابلیت‌های یادگیری ماشین در زبان JavaScript است. این موضوع برای توسعه‌دهندگان وب اهمیت دارد؛ زیرا می‌توانند بدون تغییر کامل محیط برنامه‌نویسی خود، قابلیت‌های هوش مصنوعی را به پروژه‌هایشان اضافه کنند.
  • آشنایی با Tensorها: Tensorها ساختارهای اصلی نگهداری و پردازش داده در TensorFlow.js هستند. کتاب Learning TensorFlow js نحوه ایجاد Tensor، تبدیل داده‌ها به این ساختار، انجام عملیات ریاضی و مدیریت حافظه را آموزش می‌دهد.
  • اجرای مدل در مرورگر و Node.js: خواننده با راه‌اندازی TensorFlow.js در محیط مرورگر و Node.js آشنا می‌شود و می‌آموزد چگونه از مدل‌های یادگیری ماشین در این دو محیط استفاده کند.
  • کار با مدل‌های آماده: استفاده از مدل‌های ازپیش‌آموزش‌دیده یکی از بخش‌های کاربردی کتاب است. نویسنده نحوه بارگذاری مدل‌ها، دریافت خروجی و تفسیر نتایج را بررسی می‌کند. همچنین TensorFlow Hub به‌عنوان منبعی برای استفاده از مدل‌های آماده معرفی می‌شود.
  • پردازش تصویر و بینایی ماشین: کتاب به نحوه تبدیل تصاویر به Tensor، تغییر اندازه، برش و پردازش داده‌های تصویری می‌پردازد. همچنین نمونه‌هایی از تشخیص اشیا و نمایش خروجی مدل در رابط کاربری بررسی می‌شوند.
  • ساخت و آموزش مدل‌های اختصاصی: در بخش‌های آموزشی کتاب Learning TensorFlow js ، خواننده با طراحی مدل‌های یادگیری ماشین، آموزش شبکه‌های عصبی، استفاده از لایه‌های مختلف و ارزیابی خروجی مدل آشنا می‌شود.
  • آشنایی با Transfer Learning: یکی از موضوعات مهم کتاب، استفاده از مدل‌های ازپیش‌آموزش‌دیده برای حل مسائل جدید است. این روش می‌تواند نیاز به آموزش یک شبکه عصبی بزرگ از ابتدا را کاهش دهد و در بسیاری از پروژه‌ها کاربردی باشد.
  • تمرین‌ها و پروژه‌های عملی: در کنار توضیحات فنی، تمرین‌ها و پروژه‌های مرحله‌ای ارائه شده‌اند تا خواننده بتواند مفاهیم را در عمل پیاده‌سازی کند. کدهای نمونه کتاب نیز در مخزن GitHub نویسنده در دسترس هستند.

ساختار کتاب Learning TensorFlow js:

کتاب در ۱۲ فصل اصلی تنظیم شده و مسیر آموزشی آن از مفاهیم پایه هوش مصنوعی شروع می‌شود و به ساخت یک پروژه کاربردی ختم می‌شود.

  1. فصل اول: AI Is Magic
  2. فصل دوم: Introducing TensorFlow.js
  3. فصل سوم: Introducing Tensors
  4. فصل چهارم: Image Tensors
  5. فصل پنجم: Introducing Models
  6. فصل ششم: Advanced Models and UI
  7. فصل هفتم: Model-Making Resources
  8. فصل هشتم: Training Models
  9. فصل نهم: Classification Models and Data Analysis
  10. فصل دهم: Image Training
  11. فصل یازدهم: Transfer Learning
  12. فصل دوازدهم: Dicify: Capstone Project

کتاب مناسب چه کسانی است؟

کتاب Learning TensorFlow js برای افرادی مناسب است که می‌خواهند از قابلیت‌های هوش مصنوعی در برنامه‌های JavaScript استفاده کنند؛ به‌ویژه:

  • توسعه‌دهندگان Front-End: برنامه‌نویسانی که قصد دارند قابلیت‌هایی مانند تشخیص تصویر، تحلیل داده و پیش‌بینی را به برنامه‌های تحت وب اضافه کنند.
  • برنامه‌نویسان JavaScript: افرادی که با JavaScript آشنا هستند و می‌خواهند وارد حوزه یادگیری ماشین شوند.
  • توسعه‌دهندگان Full-Stack: کسانی که قصد دارند مدل‌های یادگیری ماشین را در سمت سرور یا مرورگر اجرا کنند.
  • دانشجویان علوم کامپیوتر و هوش مصنوعی: افرادی که می‌خواهند با یک ابزار عملی برای پیاده‌سازی مدل‌های یادگیری ماشین آشنا شوند.
  • متخصصان داده و یادگیری ماشین: افرادی که تجربه کار با مدل‌های هوش مصنوعی دارند و می‌خواهند امکان استفاده از آن‌ها را در محیط JavaScript بررسی کنند.
  • علاقه‌مندان به بینایی ماشین: کسانی که به ساخت برنامه‌های تشخیص تصویر و اشیا در محیط وب علاقه دارند.
  • کتاب Learning TensorFlow js به‌خصوص برای توسعه‌دهندگان وبی مفید است که دانش JavaScript دارند، اما تجربه زیادی در زمینه هوش مصنوعی و یادگیری ماشین ندارند.

مزایای کتاب:

  • آموزش مرحله‌به‌مرحله TensorFlow.js از مبانی تا موضوعات پیشرفته‌تر
  • ارائه مثال‌های عملی برای اجرای مدل‌های یادگیری ماشین
  • آشنایی با اجرای مدل‌ها در مرورگر و Node.js
  • آموزش پردازش تصویر و مفاهیم مرتبط با بینایی ماشین
  • بررسی نحوه استفاده از مدل‌های آماده و TensorFlow Hub
  • آموزش ساخت و آموزش مدل‌های اختصاصی
  • آشنایی با شبکه‌های عصبی و مدل‌های طبقه‌بندی
  • بررسی کاربرد Transfer Learning برای کاهش هزینه آموزش مدل‌ها
  • ارائه پروژه پایانی برای ترکیب آموخته‌ها
  • دسترسی به کدهای نمونه برای تمرین و بررسی بیشتر

قیمت و خرید کتاب از فروشگاه کادن:

اگر به برنامه‌نویسی JavaScript علاقه دارید و می‌خواهید قابلیت‌های هوش مصنوعی را به برنامه‌های وب اضافه کنید، کتاب Learning TensorFlow.js: Powerful Machine Learning in JavaScript می‌تواند منبعی کاربردی برای آشنایی با این حوزه باشد.

شما می توانید کتاب Learning TensorFlow js را با قیمت بسیار ویژه از سایت انتشارات کادن تهیه کنید و مرسوله ی خود را در کوتاه ترین زمان ممکن در مقصد تحویل بگیرید.

توضیحات تکمیلی
زبانانگلیسی
نویسندهگنت لابورد (Gant Laborde)
ناشرانتشارات اریلی میدیا (O’Reilly Media)
قطع کتابوزیری
نوع کاغذتحریر
نوع جلدجلد نرم (شومیز)
نوع چاپسیاه سفید کیفیت عالی A (دیجیتال)
تعداد صفحه338
وزن570 گرم
شابک (ISBN)978-1492090793
نظرات (0)
0 نقد و بررسی
0
0
0
0
0

نقد و بررسی‌ها

پاکسازی فیلتر

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “کتاب Learning TensorFlow.js: Powerful Machine Learning in JavaScript”