Bewertung:
Insgesamt wird das Buch als eine umfassende und effektive Einführung in Deep Learning mit R und Keras gelobt, die klare Erklärungen, praktische Beispiele und eine gute Organisation bietet. Allerdings gibt es erhebliche Bedenken hinsichtlich der Qualität der Veröffentlichung, des veralteten Beispielcodes und der Notwendigkeit spezifischer technischer Anforderungen.
Vorteile:Großartige Einführung in neuronale Netze und Deep Learning, gut organisiert, praktische Beispiele, nützlich für Lernende mit einem Grundverständnis von maschinellem Lernen und R. Bietet solide Erklärungen, ohne dass die technische Genauigkeit verloren geht, und deckt ein breites Spektrum an Themen ab.
Nachteile:Schlechte Veröffentlichungsqualität mit Fehldrucken und Problemen mit Beispielcode, der aufgrund von Paketaktualisierungen nicht funktioniert. Fehlende visuelle Darstellungen aufgrund der Schwarz-Weiß-Formatierung, und einige Benutzer merkten an, dass der Schreibfluss verbessert werden könnte. Das Erfordernis eines Unix-Rechners kann die Zugänglichkeit einschränken.
(basierend auf 32 Leserbewertungen)
Deep Learning with R
Zusammenfassung
Deep Learning with R führt in die Welt des Deep Learning mit Hilfe der leistungsstarken Keras-Bibliothek und ihrer R-Sprachschnittstelle ein. Das Buch fördert Ihr Verständnis von Deep Learning durch intuitive Erklärungen und praktische Beispiele.
Der Kauf des gedruckten Buches beinhaltet ein kostenloses eBook im PDF-, Kindle- und ePub-Format von Manning Publications.
Über die Technologie
Das maschinelle Lernen hat in den letzten Jahren bemerkenswerte Fortschritte gemacht. Deep-Learning-Systeme ermöglichen heute bisher unmögliche intelligente Anwendungen, revolutionieren die Bilderkennung und die Verarbeitung natürlicher Sprache und erkennen komplexe Muster in Daten. Die Deep-Learning-Bibliothek Keras bietet Datenwissenschaftlern und Entwicklern, die in R arbeiten, ein hochmodernes Toolset zur Bewältigung von Deep-Learning-Aufgaben.
Über das Buch
Deep Learning with R führt in die Welt des Deep Learning mit der leistungsstarken Keras-Bibliothek und ihrer R-Sprachschnittstelle ein. Dieses Buch wurde ursprünglich vom Keras-Erfinder und Google-KI-Forscher Fran ois Chollet für Python unter dem Titel Deep Learning with Python geschrieben und vom RStudio-Gründer J. J. Allaire für R adaptiert, um Ihr Verständnis von Deep Learning durch intuitive Erklärungen und praktische Beispiele zu vertiefen. Sie werden Ihre neuen Fähigkeiten mit R-basierten Anwendungen in den Bereichen Computer Vision, Verarbeitung natürlicher Sprache und generative Modelle üben.
Was ist drin?
⬤ Deep Learning von den ersten Prinzipien an.
⬤ Einrichten einer eigenen Deep-Learning-Umgebung.
⬤ Klassifizierung und Generierung von Bildern.
⬤ Deep Learning für Texte und Sequenzen.
Über den Leser
Sie benötigen mittlere R-Programmierkenntnisse. Es wird keine vorherige Erfahrung mit maschinellem Lernen oder Deep Learning vorausgesetzt.
Über die Autoren
Fran ois Chollet ist ein Deep-Learning-Forscher bei Google und der Autor der Keras-Bibliothek.
J. J. Allaire ist der Gründer von RStudio und der Autor der R-Schnittstellen zu TensorFlow und Keras.
Inhaltsverzeichnis
TEIL 1 - GRUNDLAGEN DES DEEP LEARNING.
⬤ Was ist Deep Learning?
⬤ Bevor wir beginnen: die mathematischen Bausteine neuronaler Netze.
⬤ Einstieg in die Arbeit mit neuronalen Netzen.
⬤ Grundlagen des maschinellen Lernens.
TEIL 2 - DEEP LEARNING IN DER PRAXIS.
⬤ Tiefes Lernen für Computer Vision.
⬤ Tiefes Lernen für Text und Sequenzen.
⬤ Fortgeschrittene Deep-Learning-Best-Practices.
⬤ Generatives tiefes Lernen.
⬤ Schlussfolgerungen.
| ISBN: | 9781617295546 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 360 |
Derzeit verfügbar, auf Lager.
