Deep Learning für Ingenieure

Originaltitel:

Deep Learning for Engineers

Inhalt des Buches:

Deep Learning for Engineers führt in die grundlegenden Prinzipien des Deep Learning ein und erläutert die grundlegenden Elemente, die für das Verständnis und die Anwendung von Deep-Learning-Modellen erforderlich sind.

Als umfassender Leitfaden für die Anwendung von Deep-Learning-Modellen in der Praxis bietet dieses Buch eine leicht verständliche Codierungsstruktur unter Verwendung von Python und PyTorch mit einer eingehenden Erläuterung von vier typischen Deep-Learning-Fallstudien zur Bildklassifizierung, Objekterkennung, semantischen Segmentierung und Bildunterschriftenerfassung. Außerdem werden die Grundlagen der Architekturen von Convolutional Neural Networks (CNN) und Recurrent Neural Networks (RNN) und ihre praktischen Implementierungen in Wissenschaft und Technik behandelt.

Dieses Buch enthält Übungsaufgaben für alle Fallstudien, die sich auf verschiedene Feinabstimmungsansätze beim Deep Learning konzentrieren. Studenten der Natur- und Ingenieurwissenschaften, akademische Forscher und Fachleute aus der Industrie werden die Inhalte nützlich finden.