Deep Learning für Einsteiger: Eine Anleitung für Einsteiger, um mit Python von Grund auf mit Deep Learning zu beginnen

Bewertung:   (4,4 von 5)

Deep Learning für Einsteiger: Eine Anleitung für Einsteiger, um mit Python von Grund auf mit Deep Learning zu beginnen (Pablo Rivas)

Leserbewertungen

Zusammenfassung:

Das Buch „Deep Learning for Beginners“ von Dr. Pablo Rivas wird als umfassender Einführungstext geschätzt, der den Leser durch wesentliche Deep-Learning-Konzepte und praktische Implementierungen mit Python führt. Es deckt eine breite Palette von Themen im Bereich Deep Learning ab und richtet sich an Anfänger, indem es eine strukturierte Anleitung für verschiedene maschinelle Lernsysteme bietet.

Vorteile:

Großartige Einführung in Deep-Learning-Konzepte für Anfänger.
Gut gegliedert mit schrittweisen Übergängen zwischen den Themen.
Enthält praktische Programmierbeispiele und praktische Anwendungen in verschiedenen Bereichen.
Nutzt Google Colabs für die Zugänglichkeit.
Deckt ein breites Spektrum an Frameworks und neuronalen Netzwerkarchitekturen ab.

Nachteile:

Der Umfang des Buches wird fortgeschrittenen Lesern, die tiefer gehende Diskussionen suchen, möglicherweise nicht gerecht.
Einige Leser könnten den Inhalt als zu grundlegend empfinden, wenn sie bereits über Vorkenntnisse in diesem Bereich verfügen.

(basierend auf 3 Leserbewertungen)

Originaltitel:

Deep Learning for Beginners: A beginner's guide to getting up and running with deep learning from scratch using Python

Inhalt des Buches:

Implementierung von überwachten, unüberwachten und generativen Deep Learning (DL) Modellen mit Keras und Dopamine über TensorFlow.

Hauptmerkmale

⬤ Verstehen Sie die grundlegenden Konzepte des maschinellen Lernens, die beim Deep Learning nützlich sind.

⬤ Lernen Sie die zugrundeliegenden mathematischen Konzepte kennen, während Sie Deep-Learning-Modelle von Grund auf implementieren.

⬤ Entdecken Sie leicht verständliche Beispiele und Anwendungsfälle, die Ihnen helfen werden, eine solide Grundlage in DL zu schaffen.

Buchbeschreibung

Mit der exponentiellen Zunahme von Informationen im Internet ist es schwieriger denn je geworden, sich durch alles zu navigieren, um verlässliche Inhalte zu finden, die Ihnen helfen, mit Deep Learning zu beginnen. Dieses Buch soll Ihnen helfen, wenn Sie ein Anfänger sind, der mit Deep Learning arbeiten und Deep-Learning-Modelle von Grund auf erstellen möchte, und bereits über die grundlegenden mathematischen und programmiertechnischen Kenntnisse verfügen, die für den Einstieg erforderlich sind.

Das Buch beginnt mit einem grundlegenden Überblick über maschinelles Lernen und führt Sie durch die Einrichtung beliebter Python-Frameworks. Sie werden auch verstehen, wie Sie Daten durch Bereinigung und Vorverarbeitung für Deep Learning vorbereiten können, und nach und nach neuronale Netze erkunden. Ein spezieller Abschnitt gibt Ihnen Einblicke in die Funktionsweise neuronaler Netze, indem er Ihnen hilft, einzelne und mehrere Schichten von Neuronen praktisch zu trainieren. Später werden Sie beliebte neuronale Netzwerkarchitekturen wie CNNs, RNNs, AEs, VAEs und GANs anhand einfacher Beispiele kennenlernen und sogar Modelle von Grund auf neu erstellen. Am Ende jedes Kapitels finden Sie einen Frage- und Antwortteil, mit dem Sie das im Laufe des Buches Gelernte überprüfen können.

Am Ende dieses Buches werden Sie mit Deep-Learning-Konzepten vertraut sein und über das Wissen verfügen, das Sie benötigen, um bestimmte Algorithmen mit verschiedenen Tools für unterschiedliche Aufgaben zu verwenden.

Was Sie lernen werden

⬤ Implementieren Sie RNNs und das Langzeitgedächtnis für Bildklassifizierungs- und Natural Language Processing-Aufgaben.

⬤ Erforschen Sie die Rolle von CNNs in der Computer Vision und Signalverarbeitung.

⬤ Verstehen Sie die ethischen Implikationen der Modellierung von Deep Learning.

⬤ Verstehen Sie die mathematische Terminologie, die mit Deep Learning verbunden ist.

⬤ Programmierung eines GAN und einer VAE zur Erzeugung von Bildern aus einem gelernten latenten Raum.

⬤ Implementierung von Visualisierungstechniken zum Vergleich von AEs und VAEs.

Für wen ist dieses Buch gedacht?

Dieses Buch richtet sich an angehende Datenwissenschaftler und Deep-Learning-Ingenieure, die sich mit den Grundlagen von Deep Learning und neuronalen Netzen vertraut machen wollen. Obwohl keine Vorkenntnisse über Deep Learning oder maschinelles Lernen erforderlich sind, sind Kenntnisse der linearen Algebra und der Python-Programmierung für den Einstieg notwendig.

Weitere Daten des Buches:

ISBN:9781838640859
Autor:
Verlag:
Einband:Taschenbuch

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Lernen, nicht zu lernen: Transformation der Hochschulbildung - Learning to Unlearn: Transforming...
Das Bildungswesen muss sich an die vierte...
Lernen, nicht zu lernen: Transformation der Hochschulbildung - Learning to Unlearn: Transforming Higher Education
Deep Learning für Einsteiger: Eine Anleitung für Einsteiger, um mit Python von Grund auf mit Deep...
Implementierung von überwachten, unüberwachten...
Deep Learning für Einsteiger: Eine Anleitung für Einsteiger, um mit Python von Grund auf mit Deep Learning zu beginnen - Deep Learning for Beginners: A beginner's guide to getting up and running with deep learning from scratch using Python

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)