Mehr lesen
Deep Learning - eine Schlüsseltechnologie der Künstlichen Intelligenz. Neuronale Netze bringen Höchstleistung, wenn sie zu Deep-Learning-Modellen verknüpft werden - vorausgesetzt, Sie machen es richtig. Große und gute Trainingsdaten beschaffen, geschickt implementieren ... lernen Sie hier, wie Sie die mächtige Technologie wirklich in Ihren Dienst nehmen. Unsere Autoren zeigen Ihnen sowohl die Arbeit mit Python und Keras als auch für den Browser mit JavaScript, HTML5 und TensorFlow.js.
Aus dem Inhalt:
- Deep-Learning-Grundkonzepte
- Installation der Frameworks
- Vorgefertigte Modelle verwenden
- Datenanalyse und -vorbereitung
- Convolutional Networks, LSTM, RNN, Pooling ...
- Aufgaben eines Modells richtig festlegen
- Eigene Modelle trainieren
- Overfitting und Underfitting vermeiden
- Ergebnisse visualisieren
Über den Autor / die Autorin
Dr. Matthieu Deru ist Senior Software-Engineer (R&D) und UX-Designer für interaktive Systeme am Deutschen Forschungszentrum für Künstliche Intelligenz GmbH (DFKI). Seine Projekterfahrung umfasst Themengebiete, die so vielseitig sind wie die Anwendungsfelder der KI, von intelligenten Benutzerschnittstellen bis zu komplexen Vorhersagenmodellen für die Elektromobilität.
Zusammenfassung
Deep Learning - eine Schlüsseltechnologie der Künstlichen Intelligenz. Neuronale Netze bringen Höchstleistung, wenn sie zu Deep-Learning-Modellen verknüpft werden - vorausgesetzt, Sie machen es richtig. Große und gute Trainingsdaten beschaffen, geschickt implementieren ... lernen Sie hier, wie Sie die mächtige Technologie wirklich in Ihren Dienst nehmen. Unsere Autoren zeigen Ihnen sowohl die Arbeit mit Python und Keras als auch für den Browser mit JavaScript, HTML5 und TensorFlow.js.
Aus dem Inhalt:
Deep-Learning-Grundkonzepte
Installation der Frameworks
Vorgefertigte Modelle verwenden
Datenanalyse und -vorbereitung
Convolutional Networks, LSTM, RNN, Pooling ...
Aufgaben eines Modells richtig festlegen
Eigene Modelle trainieren
Overfitting und Underfitting vermeiden
Ergebnisse visualisieren
Zusatztext
»Die 2. Auflage des Praxishandbuchs zum Deep Learning wurde gründlich aktualisiert. […] Aufbau und Layout dieser Auflage sind unverändert. Der Inhalt jedoch wurde erweitert und dem technischen Fortschritt angepasst.«
Bericht
»Der Markt für AI-Bücher ist mit Sicherheit alles andere als leer. Der Rezensent kann das vorliegende Buch allerdings mit bestem Gewissen empfehlen - die Abwägung zwischen mathematischem Tiefgang und angewendeten Kenntnissen ist den Autoren bestens gelungen.« windows.developer 202101
