Willkommen, schön sind Sie da!
Logo Ex Libris

Neuronale Netze und Deep Learning kapieren

  • Kartonierter Einband
  • 360 Seiten
(0) Erste Bewertung abgeben
Bewertungen
(0)
(0)
(0)
(0)
(0)
Alle Bewertungen ansehen
Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsb... Weiterlesen
20%
42.50 CHF 34.00
Auslieferung erfolgt in der Regel innert 5 bis 7 Werktagen.

Beschreibung

Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen. Aus dem Inhalt: Parametrische und nichtparametrische Modelle Überwachtes und unüberwachtes Lernen Vorhersagen mit mehreren Ein- und Ausgaben Fehler messen und verringern Hot und Cold Learning Batch- und stochastischer Gradientenabstieg Überanpassung vermeiden Generalisierung Dropout-Verfahren Backpropagation und Forward Propagation Bilderkennung Verarbeitung natürlicher Sprache (NLP) Sprachmodellierung Aktivierungsfunktionen Sigmoid-Funktion Tangens hyperbolicus Softmax Convolutional Neural Networks (CNNs) Recurrent Neural Networks (RNNs) Long Short-Term Memory (LSTM) Deep-Learning-Framework erstellen

Autorentext
Andrew W. Trask ist Doktorand an der Oxford University und als Research Scientist für DeepMind tätig. Zuvor war er Researcher und Analytics Product Manager bei Digital Reasoning, wo er u.a. das größte künstliche Neuronale Netz der Welt trainierte.

Zusammenfassung

  • Deep Learning ganz einfach erläutert mit anschaulichen Diagrammen und Programmcode in Python
  • Praktische Einführung in Deep-Learning-Algorithmen und das Trainieren Neuronaler Netze
  • Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich

Der Autor erläutert leicht verständlich und anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulkenntnisse in Mathematik und Kenntnisse der Programmiersprache Python.

Du lernst die grundlegenden Konzepte des Deep Learnings kennen und trainierst mit Python und der Bibliothek NumPy deine eigenen Neuronalen Netze, um Bilder zu erkennen, Sprache zu verarbeiten und Texte zu schreiben wie Shakespeare.

Mit diesem Buch bist du bestens gerüstet, auch komplexe Deep-Learning-Frameworks in Produktivumgebungen einzusetzen.

Produktinformationen

Titel: Neuronale Netze und Deep Learning kapieren
Untertitel: Der einfache Praxiseinstieg mit Beispielen in Python
Autor:
EAN: 9783747500156
ISBN: 978-3-7475-0015-6
Format: Kartonierter Einband
Herausgeber: bhv / mitp
Genre: Anwendungs-Software
Anzahl Seiten: 360
Gewicht: 610g
Größe: H242mm x B169mm x T22mm
Veröffentlichung: 29.11.2019
Jahr: 2019
Auflage: 2020
Land: DE

Weitere Produkte aus der Reihe "mitp Professional"