Leserbewertungen
Zusammenfassung:Das Buch wird für seine praktische Herangehensweise an Deep Learning gelobt, die komplexe Themen auch für Personen mit grundlegenden Programmierkenntnissen zugänglich macht. Es behandelt verschiedene Themen wie Textklassifizierung, Bildverarbeitung und Musikanalyse und wird von nützlichen Python-Notebooks begleitet. Es hat jedoch einige Einschränkungen, wie z. B. die Tatsache, dass es in Schwarz-Weiß gehalten ist und dass einige Codebeispiele angepasst werden müssen, damit sie korrekt funktionieren.
Vorteile:Deckt eine Vielzahl von Themen im Bereich Deep Learning ab, praktischer Ansatz, einfache Diagramme, unterhaltsamer Ton, gut geschrieben, begleitet von Python Notebooks und gemeinsamen Beispielen auf GitHub. Enthält einzigartige Inhalte wie Musikanalyse.
Nachteile:Das Schwarz-Weiß-Format ist möglicherweise nicht für alle Ausgaben ideal, einige Beispielcodes müssen vor dem Ausführen geändert werden, und Deep Reinforcement Learning wird nicht behandelt.
(basierend auf 7 Leserbewertungen)
Originaltitel:
Deep Learning Cookbook: Practical Recipes to Get Started Quickly
Inhalt des Buches:
Deep Learning muss nicht einschüchternd sein. Bis vor kurzem erforderte diese Methode des maschinellen Lernens ein jahrelanges Studium, aber mit Frameworks wie Keras und Tensorflow können auch Software-Ingenieure ohne Vorkenntnisse im Bereich des maschinellen Lernens schnell in das Feld einsteigen. Mit den Rezepten in diesem Kochbuch lernen Sie, wie Sie Deep-Learning-Probleme zur Klassifizierung und Erzeugung von Text, Bildern und Musik lösen können.
Jedes Kapitel besteht aus mehreren Rezepten, die für ein einzelnes Projekt benötigt werden, z. B. für das Training eines Musikempfehlungssystems. Der Autor Douwe Osinga bietet außerdem ein Kapitel mit einem halben Dutzend Techniken, die Ihnen helfen, wenn Sie nicht weiterkommen. Die Beispiele sind in Python geschrieben und der Code ist auf GitHub in Form von Python-Notebooks verfügbar.
Sie lernen, wie man:
⬤ Anwendungen zu erstellen, die realen Benutzern dienen werden.
⬤ Worteinbettungen verwenden, um Textähnlichkeit zu berechnen.
⬤ Ein Filmempfehlungssystem auf der Grundlage von Wikipedia-Links erstellen.
⬤ Lernen, wie KIs die Welt sehen, indem man ihren internen Zustand visualisiert.
⬤ Ein Modell erstellen, das Emojis für Textstücke vorschlägt.
⬤ Wiederverwendung von vortrainierten Netzwerken zum Aufbau eines inversen Bildsuchdienstes.
⬤ Vergleichen Sie, wie GANs, Autoencoder und LSTMs Icons erzeugen.
⬤ Erkennung von Musikstilen und Indexierung von Liedersammlungen.
Weitere Daten des Buches:
| ISBN: | 9781491995846 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 220 |
Kauf:
Derzeit verfügbar, auf Lager.
