En savoir plus sur le livre
Die Autoren John Krohn, Grant Beylefeld und Aglaé Bassens bieten eine visuelle und intuitive Einführung in Deep Learning, Künstliche Intelligenz, Machine Learning und Neuronale Netze. Mit anschaulichen Illustrationen und verständlichen Erläuterungen gelingt ein einfacher Zugang zum Aufbau von Deep-Learning-Modellen, der das Lernen unterhaltsam gestaltet. Der erste Teil behandelt die Grundlagen von Deep Learning, erläutert dessen Allgegenwärtigkeit und die Interaktion mit Konzepten wie Künstlicher Intelligenz und Machine Learning. Verständliche Analogien, lebendige Grafiken und zahlreiche Beispiele machen komplexe Themen nachvollziehbar. Darauf aufbauend wird eine praktische Referenz und ein Tutorial zu bewährten Deep-Learning-Techniken präsentiert. Die Theorie wird mit minimaler Mathematik und Python-Code vermittelt. Kostenfrei verfügbare Jupyter-Notebooks bieten praktische Beispiele, die das theoretische Wissen greifbar machen. So erlangen Leser ein pragmatisches Verständnis wichtiger Deep-Learning-Ansätze und deren Anwendungen wie Machine Vision, Natural Language Processing, Bilderzeugung und Spielalgorithmen. Zudem werden führende Deep-Learning-Bibliotheken wie TensorFlow, Keras und PyTorch vorgestellt, einschließlich High-Level-Coach, einer TensorFlow-API zur Vereinfachung der Entwicklung von Deep Reinforcement Learning-Algorithmen.
Achat du livre
Deep Learning illustriert, Jon Krohn, Grant Beyleveld, Aglaé Bassens
- Langue
- Année de publication
- 2020
- product-detail.submit-box.info.binding
- (souple)
Modes de paiement
Personne n'a encore évalué .
- Titre
- Deep Learning illustriert
- Sous-titre
- Eine anschauliche Einführung in Machine Vision, Natural Language Processing und Bilderzeugung für Programmierer und Datenanalysten
- Langue
- Allemand
- Auteurs
- Jon Krohn, Grant Beyleveld, Aglaé Bassens
- Éditeur
- Dpunkt.Verlag GmbH
- Publié
- 2020
- Format
- souple
- Pages
- 450
- ISBN13
- 9783864906633
- Séries
- Description
- Die Autoren John Krohn, Grant Beylefeld und Aglaé Bassens bieten eine visuelle und intuitive Einführung in Deep Learning, Künstliche Intelligenz, Machine Learning und Neuronale Netze. Mit anschaulichen Illustrationen und verständlichen Erläuterungen gelingt ein einfacher Zugang zum Aufbau von Deep-Learning-Modellen, der das Lernen unterhaltsam gestaltet. Der erste Teil behandelt die Grundlagen von Deep Learning, erläutert dessen Allgegenwärtigkeit und die Interaktion mit Konzepten wie Künstlicher Intelligenz und Machine Learning. Verständliche Analogien, lebendige Grafiken und zahlreiche Beispiele machen komplexe Themen nachvollziehbar. Darauf aufbauend wird eine praktische Referenz und ein Tutorial zu bewährten Deep-Learning-Techniken präsentiert. Die Theorie wird mit minimaler Mathematik und Python-Code vermittelt. Kostenfrei verfügbare Jupyter-Notebooks bieten praktische Beispiele, die das theoretische Wissen greifbar machen. So erlangen Leser ein pragmatisches Verständnis wichtiger Deep-Learning-Ansätze und deren Anwendungen wie Machine Vision, Natural Language Processing, Bilderzeugung und Spielalgorithmen. Zudem werden führende Deep-Learning-Bibliotheken wie TensorFlow, Keras und PyTorch vorgestellt, einschließlich High-Level-Coach, einer TensorFlow-API zur Vereinfachung der Entwicklung von Deep Reinforcement Learning-Algorithmen.