Originaltitel:
Principles and Labs for Deep Learning
Inhalt des Buches:
Principles and Labs for Deep Learning vermittelt das Wissen und die Techniken, die der Leser benötigt, um Deep-Learning-Modelle zu entwerfen und zu entwickeln. Deep-Learning-Techniken werden theoretisch eingeführt, umfassend illustriert, anhand von TensorFlow-Quellcodebeispielen erläutert und durch die Visualisierung der Ergebnisse analysiert.
Die strukturierten Methoden und Übungen von Dr. Huang und Dr. Le ermöglichen es den Lesern, sich mit TensorFlow vertraut zu machen, um tiefe Convolutional Neural Networks (CNNs) mit Hilfe von benutzerdefinierten APIs, High-Level-Keras-APIs, Keras-Anwendungen und TensorFlow Hub zu entwickeln.
Zu jedem Kapitel gibt es eine entsprechende Übung mit Schritt-für-Schritt-Anweisungen, die dem Leser helfen, ein bestimmtes Lernergebnis zu erreichen. Deep Learning wurde bereits erfolgreich in verschiedenen Bereichen wie Computer Vision, Audioverarbeitung, Robotik, Verarbeitung natürlicher Sprache, Bioinformatik und Chemie eingesetzt.
Aufgrund des riesigen Wissensumfangs von Deep Learning ist viel Zeit erforderlich, um nützliche, funktionierende Anwendungen zu verstehen und einzusetzen. Jedes Kapitel enthält sowohl theoretische Lektionen als auch Experimente, um die Techniken vorzustellen und Quellcode-Beispiele für die praktische Anwendung bereitzustellen.
Alle Labs für dieses Buch werden auf GitHub zur Verfügung gestellt, um den Download zu erleichtern. Das Buch basiert auf der Annahme, dass der Leser grundlegende Kenntnisse in Python für die Programmierung und grundlegendes maschinelles Lernen hat.
Weitere Daten des Buches:
| ISBN: | 9780323901987 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 366 |
Kauf:
Derzeit verfügbar, auf Lager.
