Bewertung:
Das Buch „The Deep Learning with Keras Workshop“ wird als praktisches, praxisnahes Hilfsmittel gelobt, das den Nutzern effektiv beibringt, wie man mit Keras und TensorFlow neuronale Netze erstellt. Es ist für Anfänger zugänglich, aber auch für diejenigen wertvoll, die bereits über Vorkenntnisse in maschinellem Lernen und Python verfügen. Das Buch ist gut strukturiert, bietet klare Erklärungen und enthält zahlreiche Codebeispiele und Visualisierungen.
Vorteile:⬤ Praxisnaher Ansatz mit klaren Schritt-für-Schritt-Anleitungen.
⬤ Gut strukturierte Kapitel, die aufeinander aufbauen.
⬤ Leicht verständlich mit guten Visualisierungen und Codebeispielen.
⬤ Deckt wesentliche Aspekte des Deep Learning ab, einschließlich Datenvorverarbeitung und Modellevaluation.
⬤ Zugänglich für Anfänger und wertvoll für diejenigen mit etwas Erfahrung.
⬤ Einige Vorkenntnisse in Python und linearer Algebra werden empfohlen.
⬤ Vertiefte mathematische Theorien werden möglicherweise nicht behandelt, was dazu führen könnte, dass sich erfahrenere Leser detailliertere Diskussionen wünschen.
(basierend auf 8 Leserbewertungen)
The Deep Learning with Keras Workshop: Learn how to define and train neural network models with just a few lines of code
Entdecken Sie, wie Sie Keras, die leistungsstarke und benutzerfreundliche Open-Source-Python-Bibliothek für die Entwicklung und Bewertung von Deep-Learning-Modellen, nutzen können.
Hauptmerkmale
⬤ Machen Sie sich mit verschiedenen Metriken zur Modellbewertung vertraut, darunter Sensitivität, Spezifität und AUC-Werte.
⬤ Erforschen Sie fortgeschrittene Konzepte wie sequentiellen Speicher und sequentielle Modellierung.
⬤ Vertiefen Sie Ihre Fähigkeiten mit realen Entwicklungen, Screencasts und Wissenstests.
Buchbeschreibung
Neue Erfahrungen können einschüchternd sein, aber nicht dieses Dieses Einsteigerhandbuch für Deep Learning hilft Ihnen, Deep Learning mit Keras von Grund auf zu erkunden und Ihre ersten neuronalen Netze zu trainieren.
Was Keras von anderen Deep-Learning-Frameworks abhebt, ist seine Einfachheit. Mit über zweihunderttausend Nutzern ist Keras in der Industrie und in der Forschungsgemeinschaft stärker verbreitet als jedes andere Deep-Learning-Framework.
Der Deep Learning mit Keras Workshop beginnt mit einer Einführung in die grundlegenden Konzepte des maschinellen Lernens mit dem scikit-learn-Paket. Nachdem Sie gelernt haben, wie man die linearen Transformationen durchführt, die für den Aufbau neuronaler Netze notwendig sind, werden Sie Ihr erstes neuronales Netz mit der Keras-Bibliothek aufbauen. Im weiteren Verlauf lernen Sie, wie Sie mehrschichtige neuronale Netze aufbauen und erkennen, wann Ihr Modell zu schlecht oder zu gut an die Trainingsdaten angepasst ist. Anhand praktischer Übungen lernen Sie, wie Sie Ihre Modelle mit Hilfe von Kreuzvalidierungstechniken bewerten und dann die optimalen Hyperparameter zur Feinabstimmung ihrer Leistung auswählen. Schließlich lernen Sie rekurrente neuronale Netze kennen und erfahren, wie Sie diese trainieren können, um Werte in sequentiellen Daten vorherzusagen.
Am Ende dieses Buches werden Sie die Fähigkeiten erworben haben, die Sie benötigen, um Ihre eigenen neuronalen Netzwerkmodelle zu trainieren.
Was Sie lernen werden
⬤ Einblicke in die Grundlagen neuronaler Netze.
⬤ Verstehen Sie die Grenzen des maschinellen Lernens und wie es sich vom Deep Learning unterscheidet.
⬤ Erstellen Sie Bildklassifizierer mit neuronalen Faltungsnetzwerken.
⬤ Evaluieren, optimieren und verbessern Sie Ihre Modelle mit Techniken wie der Kreuzvalidierung.
⬤ Erstellen Sie Vorhersagemodelle, um Datenmuster zu erkennen und Vorhersagen zu treffen.
⬤ Verbessern Sie die Modellgenauigkeit mit L1-, L2- und Dropout-Regularisierung.
Für wen ist dieses Buch geeignet?
Wenn Sie die Grundlagen der Datenwissenschaft und des maschinellen Lernens kennen und mit fortgeschrittenen maschinellen Lerntechnologien wie künstlichen neuronalen Netzen und Deep Learning beginnen möchten, dann ist dieses Buch genau das Richtige für Sie. Um die in diesem Deep-Learning-Buch erklärten Konzepte besser zu verstehen, sind Vorkenntnisse in der Python-Programmierung und eine gewisse Vertrautheit mit Statistik und logistischer Regression ein Muss.
| ISBN: | 9781800562967 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
