معرفی و دانلود کتاب شبکه عصبی خود را بسازید: مقدمه‌ای بر مفاهیم، ریاضیات و ساخت شبکه‌های عصبی با پایتون

معرفی کتاب شبکه عصبی خود را بسازید: مقدمه‌ای بر مفاهیم، ریاضیات و ساخت شبکه‌های عصبی با پایتون

بدن انسان در هر لحظه باید فرامین مغز را پردازش کرده و آن‌ها را به اندام‌ها برساند؛ هوش مصنوعی نیز به همین طریق کار می‌کند و پردازش اطلاعاتش برعهده‌ی شبکه‌ی عصبی است. کتاب شبکه عصبی خود را بسازید نوشته‌ی طارق رشید به ما نشان می‌دهد چگونه هوش مصنوعی می‌تواند اطلاعات گوناگونی را غربال و آن‌ها را به مرحله‌ی اجرا و کاربردی شدن برساند. در این کتاب نحوه‌ی برنامه‌نویسی با زبان پایتون و طراحی یک شبکه‌ی عصبی نیز آموزش داده می‌شود.

درباره‌ی کتاب شبکه عصبی خود را بسازید

شبکه عصبی چیست؟ این پرسشی که است که کمتر کسی می‌تواند به آن پاسخ دهد. بسیاری از ما تا حد مختصری با هوش مصنوعی و کارکردهای آن آشنا هستیم و می‌دانیم که چگونه باید از هوش مصنوعی استفاده کنیم؛ اما چیستی شبکه عصبی و نحوه‌ی کار آن برای اغلب ما ناشناخته است و فقط عده‌ای از مهندسان کامپیوتر و متخصصان حوزه‌ی برنامه‌نویسی نسبت به آن آگاهی دارند. کتاب شبکه عصبی خود را بسازید (Make Your Own Neural Network) نوشته‌ی طارق رشید (Tariq Rashid) کوشیده است تا با زبانی ساده و علمی، مخاطبان خود را با مفهوم شبکه‌ی عصبی و کاربرد آن آشنا کند.

طارق رشید ابتدا برای خوانندگان خود تفاوت هوش انسانی و هوش مصنوعی را شرح می‌دهد. برای هوش مصنوعی ضرب‌ و جمع اعداد چندین رقمی و محاسبات میلیاردی آسان است، اما نمی‌تواند به سادگی چهره‌ی یک فرد را در میان یک عکس دسته‌جمعی پیدا کند، درصورتی‌که این کار برای انسان بسیار ساده است. فصل نخست کتاب شبکه عصبی خود را بسازید به ما نشان می‌دهد که مفاهیم و محاسبات ریاضی، زیربنای یادگیری شبکه عصبی است و باید نحوه‌ی محاسبه‌ی آن را بیاموزیم. طارق رشید در کتاب حاضر، برای اثبات این ادعا جدول‌ها و آمارهای ریاضی گوناگونی را به ما ارائه می دهد.

در فصل‌های میانی و واپسین کتاب حاضر، زبان برنامه نویسی پایتون به ما معرفی می‌شود. برنامه‌نویسان با کمک این زبان، شبکه‌ی عصبی موردنیاز خود را طراحی می‌کنند و سپس می‌توانند آن را توسعه دهند.

کتاب شبکه عصبی خود را بسازید با ترجمه‌ی غلامرضا صابری تبریزی در نشر دانشگاهی کیان به چاپ رسیده است.

کتاب شبکه عصبی خود را بسازید برای شما مناسب است اگر

• برنامه‌نویس یا مهندس شبکه و نرم‌افزار هستید و می‌خواهید با چگونگی ساخت یک شبکه‌ی عصبی بیشتر آشنا شوید.
• منبعی برای آشنا شدن با زبان پایتون را جست‌وجو می‌کنید و می‌خواهید با چگونگی استفاده از این زبان در ساخت شبکه‌ی عصبی آشنا شوید.
• به آمار و جدول‌های ریاضی نیاز دارید که شیوه‌ی استفاده از محاسبات در برنامه‌نویسی را به شما آموزش دهند.

در بخشی از کتاب شبکه عصبی خود را بسازید: مقدمه‌ای بر مفاهیم، ریاضیات و ساخت شبکه‌های عصبی با پایتون می‌خوانیم

کاربرد ضرب ماتریس‌ها: ماتریس‌ها بسیار بدنام‌اند. نام ماتریس خاطره‌ی ساعت‌ها محاسبه‌ی خسته‌کننده، طاقت‌فرسا و بی‌فایده‌ای را زنده می‌کند که در مدرسه صرف کرده بودیم.

در قسمت قبل، محاسبات دستی شبکه‌ی عصبی دولایه‌ای را انجام دادیم که در هر لایه یک گره وجود داشت. کار دشواری بود. اما فرض کنید بخواهیم همان محاسبات را برای شبکه‌ای با پنج لایه و صد گره در هر لایه انجام دهیم. نوشتن همه‌ی محاسبات لازم هم کار سختی است. چه برسد به انجام محاسبات! باید سیگنال‌های ورودی به هر گره را در وزن آن‌ها ضرب و نتیجه را جمع کنیم. سپس تابع تحریک سیگموئید را بر آن اعمال نماییم. این کار باید برای تک‌تک گره‌های هر لایه انجام شود.

اما در این میان کاربرد ماتریس‌ها چیست؟ با به‌کارگیری ماتریس‌ها می‌توانیم حل دو مشکل به کمکشان کنیم. اول، ماتریس‌ها به ما امکان می‌دهند همه‌ی محاسبات لازم را به فرمی مختصر و مفید بنویسیم. این امر برای ما بسیار مفید است، چون انجام کارهای تکراری و طولانی به علت خسته‌کننده بودن و امکان داشتن خطا را دوست نداریم. ویژگی دوم ماتریس‌ها در این است که بسیاری از زبان‌های برنامه‌نویسی امکانات کار کردن با آن‌ها را فراهم آورده‌اند. با این امکانات می‌توان محاسبات را به‌راحتی و با سرعت انجام داد.

در مجموع، ماتریس‌ها به ما امکان می‌دهند کارهای موردنظرمان را به شکلی مختصر و قابل‌فهم ارائه دهیم. به‌علاوه، کامپیوترها می‌توانند آن کارها را به‌سرعت برای ما انجام دهند. حال می‌فهمیم چرا با وجود تجربه‌ی دردناکی که در مدرسه با ماتریس‌ها داشتیم، باید از آن‌ها استفاده کنیم. پس بیایید شروع کنیم. هر ماتریس در واقع یک جدول است. جدول مستطیلی‌شکل از اعداد، به همین سادگی! هیچ نکته‌ی پیچیده‌ی دیگری هم درباره‌ی ماتریس‌ها وجود ندارد. اگر از نرم‌افزارهای صفحه‌گسترده (مثل اکسل) استفاده کرده‌اید، با کار کردن با مجموعه‌ای از اعداد در جداول مشکلی ندارید.

فهرست مطالب کتاب

فصل اول: شبکه‌های عصبی چگونه کار می‌کنند؟
راحت برای من، سخت برای شما
یک ماشین پیش‌گویی ساده
دسته‌بندی و پیش‌بینی تفاوت چندانی ندارند
ساخت یک دسته‌بندی‌کننده‌ی ساده
گاهی استفاده از یک دسته‌بندی‌کننده کافی نیست
نورون‌ها: ماشین‌های محاسباتی طبیعت
دنبال کردن سیگنال‌ها در شبکه‌ی عصبی
کار برد ضرب ماتریس‌ها
یک مثال سه‌لایه با ضرب ماتریس‌ها
یادگیری وزن‌ها از پیش از یک گره
انتشار معکوس از پیش از یک گره‌ی خروجی
انتشار معکوس خطاها به لایه‌های بیشتر
انتشار معکوس خطاها با ضرب ماتریس
چگونه وزن‌ها را به‌روزرسانی کنیم؟
مثالی از به‌روزرسانی وزن‌ها
آماده‌سازی داده‌ها
ورودی‌ها
خروجی‌ها
وزن‌های آغازین تصادفی
فصل دوم: پیاده‌سازی شبکه‌های عصبی با پایتون
پایتون
Python
شروعی ملایم با پایتون
دفتریچه‌ی یادداشت‌ها
پایتون ساده
اتوماسیون کارها
توضیحات
توابع
آرایه‌ها
رسم آرایه‌ها
اشیا
شبکه‌های عصبی با پایتون
اسکلت کلاس شبکه‌ی عصبی
آماده‌سازی اولیه‌ی شبکه‌ی عصبی
وزن‌ها: قلب شبکه‌ی عصبی
مطالعه‌ی اختیاری: وزن‌های پیشرفته‌تر
بازخورد حسّی شبکه‌ی عصبی
کدهایی که تا اینجا نوشته‌ایم
آموزش شبکه‌ی عصبی
کد کامل شبکه‌ی عصبی
پایگاه داده‌ای دست‌نویس MNIST
آماده‌سازی داده‌های آموزشی MNIST
تست شبکه‌ی عصبی
آموزش و تست شبکه‌ی عصبی با کل داده‌های آموزشی
مقداری بهبود: تغییر نرخ آموزش
کمی بهبود: چند اجرای متفاوت
تغییر شکل شبکه‌ی عصبی
کد نهایی
فصل سوم: کارهای جالب‌تر
دست‌خط خودتان
در فکر شبکه‌ی عصبی چه می‌گذرد؟
جعبه‌ی سیاه را باز کن
بازخورد معکوس
برچسب «0»
اسکن‌های بیشتری از مغز شبکه‌ی عصبی
ایجاد داده‌های آموزشی جدید: انواع چرخش
پیوست: مقدمه‌ای کوتاه بر حسابان
یک خط صاف
یک خط صاف شیب‌دار
یک منحنی
انجام محاسبات حسابان به‌صورت دستی
حسابان بدون دخالت دست
حسابان بدون رسم نمودار
الگوریتم
توابع توابع