Bewertung:
In den Rezensionen wird „Advanced Deep Learning with Keras“ als hervorragende Ressource für das Verständnis und die praktische Anwendung von Deep-Learning-Techniken hervorgehoben. Das Buch zeichnet sich durch seine umfassende Abdeckung von Themen wie Generative Adversarial Networks (GANs), Variational Autoencoders (VAEs) und Reinforcement Learning aus und bietet praktische Beispiele und Code-Implementierungen mit Keras. Einige Nutzer berichteten jedoch über technische Probleme mit der Kindle-Version, die zu Einfrieren und Abstürzen führten.
Vorteile:⬤ Umfassende Abdeckung fortgeschrittener Deep-Learning-Themen, einschließlich GANs, VAEs und Reinforcement Learning.
⬤ Gute Balance zwischen praktischen Anwendungen, Mathematik und Erklärungen.
⬤ Gut geschrieben und leicht verständlich für Anfänger und erfahrene Programmierer.
⬤ Bietet klare Code-Beispiele und praktische Einblicke für die Verwendung von Keras.
⬤ Sehr empfehlenswert für Leser, die Anwendungen im Bereich Deep Learning entwickeln.
⬤ Technische Probleme mit der Kindle-Version, einschließlich Einfrieren und Abstürzen.
⬤ Einige Benutzer könnten die fortgeschrittenen Themen ohne Vorkenntnisse als Herausforderung empfinden.
(basierend auf 8 Leserbewertungen)
Advanced Deep Learning with Keras
Hinweis des Herausgebers: Diese Ausgabe aus dem Jahr 2018 ist veraltet und nicht mit TensorFlow 2 oder einem der jüngsten Updates der Python-Bibliotheken kompatibel. Eine neue zweite Auflage, die für 2020 aktualisiert wurde und TensorFlow 2 sowie die Abdeckung von unüberwachtem Lernen mit gegenseitiger Information, Objekterkennung und semantischer Segmentierung enthält, wurde jetzt veröffentlicht.
Ein umfassender Leitfaden zu fortgeschrittenen Deep-Learning-Techniken, einschließlich Autocoder, GANs, VAEs und Deep Reinforcement Learning, die die beeindruckendsten KI-Ergebnisse von heute liefern.
Hauptmerkmale
⬤ Erforschen Sie die fortschrittlichsten Deep-Learning-Techniken, die moderne KI-Ergebnisse ermöglichen.
⬤ Implementieren Sie tiefe neuronale Netze, Autocoder, GANs, VAEs und tiefes Reinforcement Learning.
⬤ Eine umfassende Studie über GANs, einschließlich verbesserter GANs, domänenübergreifender GANs und GANs mit entwirrter Repräsentation.
Buchbeschreibung:
Die jüngsten Entwicklungen im Bereich des Deep Learning, einschließlich Generative Adversarial Networks (GANs), Variational Autoencoders (VAEs) und Deep Reinforcement Learning (DRL), sorgen für beeindruckende KI-Ergebnisse, die in den Schlagzeilen stehen - wie AlphaGo Zero, das den Schachweltmeister schlägt, und generative KI, die Kunstgemälde erstellen kann, die für über 400.000 Dollar verkauft werden, weil sie so menschenähnlich sind.
Advanced Deep Learning with Keras ist ein umfassender Leitfaden zu den fortschrittlichen Deep-Learning-Techniken, die heute verfügbar sind, damit Sie Ihre eigene hochmoderne KI erstellen können. Mit Keras als Open-Source-Bibliothek für Deep Learning finden Sie durchgängig praktische Projekte, die Ihnen zeigen, wie Sie mit den neuesten Techniken effektivere KI erstellen können.
Die Reise beginnt mit einem Überblick über MLPs, CNNs und RNNs, die die Bausteine für die fortgeschrittenen Techniken in diesem Buch sind. Sie lernen, wie man Deep-Learning-Modelle mit Keras und TensorFlow 1.x implementiert, und gehen zu fortgeschrittenen Techniken über, indem Sie tiefe neuronale Netzwerkarchitekturen, einschließlich ResNet und DenseNet, erforschen und lernen, wie man Autoencoder erstellt. Anschließend erfahren Sie alles über GANs und wie sie neue Leistungsebenen der KI erschließen können. Als Nächstes erfahren Sie, wie VAEs implementiert werden, und Sie werden sehen, wie GANs und VAEs die generative Kraft haben, Daten zu synthetisieren, die für Menschen äußerst überzeugend sein können - ein großer Fortschritt für die moderne KI. Um diese Reihe fortgeschrittener Techniken zu vervollständigen, werden Sie lernen, wie man DRL wie Deep Q-Learning und Policy Gradient Methods implementiert, die für viele moderne Ergebnisse in der KI entscheidend sind.
Was Sie lernen werden:
⬤ Modernste Techniken für menschenähnliche KI-Leistung.
⬤ Implementieren Sie fortgeschrittene Deep-Learning-Modelle mit Keras.
⬤ Die Bausteine für fortgeschrittene Techniken - MLPs, CNNs und RNNs.
⬤ Tiefe neuronale Netze - ResNet und DenseNet.
⬤ Autoencoder und Variationale Autoencoder (VAEs)
⬤ Generative Adversarial Networks (GANs) und kreative KI-Techniken.
⬤ Entwirrte Repräsentation (GANs) und domänenübergreifende GANs.
⬤ Vertiefte Methoden des Verstärkungslernens und deren Implementierung.
⬤ Produktion von Anwendungen nach Industriestandard mit OpenAI Gym.
⬤ Tiefes Q-Learning und Policy Gradient Methoden.
Für wen dieses Buch gedacht ist:
Gewisse Kenntnisse in Python werden vorausgesetzt. Da es sich um ein Buch für Fortgeschrittene handelt, werden Sie mit einigen Ansätzen des maschinellen Lernens vertraut sein, und eine gewisse praktische Erfahrung mit DL wird hilfreich sein. Kenntnisse von Keras oder TensorFlow 1.x sind nicht erforderlich, aber hilfreich.
| ISBN: | 9781788629416 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
