Bewertung:
Das Buch bietet eine klare und praktische Einführung in TensorFlow, die grundlegende Konzepte und Anwendungen des Deep Learning abdeckt. Es wird für seinen strukturierten Ansatz und seine detaillierten Erklärungen gelobt, insbesondere in den Bereichen Keras, Modellbildung und praktische Beispiele. Einige Rezensenten merkten jedoch an, dass bestimmte Konzepte nicht ausreichend erklärt werden und stellten Fehler in den Erklärungen fest. Eine Aktualisierung des Inhalts wird empfohlen.
Vorteile:Klarer, gut strukturierter, praktischer Ansatz, detaillierte Erklärungen, umfassende Abdeckung der Themen, insbesondere in Keras und Modellbildung, anwendungsorientierte Beispiele, enthält Quellcode für die Implementierung.
Nachteile:Einige Konzepte sind unzureichend erklärt, enthält Fehler in den Erklärungen, keine Klarheit über Unterschiede zwischen APIs, benötigt ein Update, um Ungenauigkeiten zu korrigieren.
(basierend auf 3 Leserbewertungen)
Artificial Neural Networks with Tensorflow 2: Ann Architecture Machine Learning Projects
Entwickeln Sie maschinelle Lernmodelle in verschiedenen Bereichen. Dieses Buch bietet eine einzige Quelle, die eine umfassende Abdeckung der Fähigkeiten von TensorFlow 2 durch die Verwendung von realistischen, szenariobasierten Projekten bietet.
Nachdem Sie gelernt haben, was neu in TensorFlow 2 ist, werden Sie direkt in die Entwicklung von maschinellen Lernmodellen durch anwendbare Projekte eintauchen. Dieses Buch deckt eine Vielzahl von ANN-Architekturen ab - angefangen von der Arbeit mit einem einfachen sequentiellen Netzwerk bis hin zu fortgeschrittenen CNN, RNN, LSTM, DCGAN, und so weiter. Jedem Netzwerktyp ist ein ganzes Kapitel gewidmet, und jedes Kapitel besteht aus einem vollständigen Projekt, in dem die verwendete Netzarchitektur, die Theorie hinter dieser Architektur, der verwendete Datensatz, die Vorverarbeitung der Daten, das Modelltraining, das Testen und die Leistungsoptimierungen sowie die Analyse beschrieben werden.
Diese praktische Herangehensweise kann entweder von Anfang an bis zum Ende genutzt werden, oder Sie können, wenn Sie bereits mit grundlegenden ML-Modellen vertraut sind, direkt in die Anwendung eintauchen, die Sie interessiert. Zeilenweise Erklärungen zu den wichtigsten Codesegmenten helfen, die Details während der Arbeit zu vervollständigen, und der gesamte Projektquelltext steht Ihnen online zum Lernen und weiteren Experimentieren zur Verfügung. Mit Artificial Neural Networks with TensorFlow 2 werden Sie sehen, wie groß die Bandbreite der Fähigkeiten von TensorFlow ist.
Was Sie lernen werden
⬤ Entwickeln Sie Machine Learning Anwendungen.
⬤ Sprachen mit neuronalen Netzwerken übersetzen.
⬤ Bilder mit Stilübertragung komponieren.
Für wen dieses Buch ist
Anfänger, Praktiker und hartgesottene Entwickler, die maschinelles und tiefes Lernen mit TensorFlow 2 beherrschen wollen. Der Leser sollte über funktionierende Konzepte der ML-Grundlagen und Terminologien verfügen.
| ISBN: | 9781484261491 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 726 |
Derzeit verfügbar, auf Lager.
