
Deep Learning for Numerical Applications with SAS (Hardcover edition)
Vorwort von Oliver Schabenberger, PhD.
Executive Vice President, Chief Operating Officer und Chief Technology Officer SAS.
Tauchen Sie ein in Deep Learning Maschinelles Lernen und Deep Learning sind in unserem Alltag allgegenwärtig - von maschineller Übersetzung über Bilderkennung und prädiktive Analytik bis hin zum autonomen Fahren. Deep Learning verspricht, viele alltägliche Aufgaben in einer Vielzahl von Disziplinen zu verbessern. Ein Großteil der Deep-Learning-Literatur erklärt die Mechanismen des Deep Learning mit dem Ziel, kognitive Anwendungen zu implementieren, die durch Big Data angetrieben werden. Dieses Buch ist anders. Geschrieben von einem Experten für High-Performance-Analytics, führt Deep Learning for Numerical Applications with SAS in ein neues Feld ein: Deep Learning für numerische Anwendungen (DL4NA). Im Gegensatz zum Deep Learning besteht das primäre Ziel von DL4NA nicht darin, aus Daten zu lernen, sondern die Leistung numerischer Anwendungen durch das Training tiefer neuronaler Netze drastisch zu verbessern.
Deep Learning für numerische Anwendungen mit SAS präsentiert Deep-Learning-Konzepte in SAS zusammen mit Schritt-für-Schritt-Techniken, die es Ihnen ermöglichen, die Beispiele auf Ihren Hochleistungs-Analytics-Systemen einfach zu reproduzieren. Außerdem werden die neuesten Hardware-Innovationen besprochen, die Ihre SAS-Programme antreiben können: von Many-Core-CPUs über GPUs und FPGAs bis hin zu ASICs.
Dieses Buch setzt voraus, dass der Leser keine Vorkenntnisse über High-Performance-Computing, maschinelles Lernen oder Deep Learning hat. Es richtet sich an SAS-Entwickler, die die schnellsten Analysen entwickeln und ausführen wollen. Neben der Entdeckung der neuesten Trends bei hybriden Architekturen mit GPUs und FPGAS lernen die Leser, wie man.
⬤ Tiefes Lernen in SAS nutzen.
⬤ Beschleunigen Sie Ihre Analytik mit Deep Learning.
⬤ Hochparallele Programme unter Verwendung der vielen Task-Computing-Paradigmen zu schreiben.