Bewertung:
Das Buch von Dr. Paper bietet einen umfassenden Überblick über Deep Learning und deckt sowohl grundlegende als auch fortgeschrittene Themen ab, insbesondere mit einem Fokus auf TensorFlow 2.0. Es wird für seine Klarheit, seine detaillierten Erklärungen und seine praktische Anwendbarkeit in realen Implementierungen gelobt, was es zu einer wertvollen Ressource für das Erlernen und Auffrischen von Wissen in Deep Learning und maschinellem Lernen macht.
Vorteile:⬤ Klare und detaillierte Erklärungen, deckt ein breites Spektrum an Themen ab, ausgezeichnet für Anfänger und Fortgeschrittene, praktische Erfahrungen werden vermittelt, dient als schnelle Referenz für Techniken, starker Fokus auf TensorFlow
⬤ 0, sehr empfehlenswert für praktische Implementierungen.
Die Rezension nennt keine nennenswerten Nachteile, aber sie könnte darauf hindeuten, dass die Komplexität von Deep Learning selbst eine Herausforderung sein kann, obwohl das Buch versucht, dies zu berücksichtigen.
(basierend auf 1 Leserbewertungen)
State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem
1. Erstellen Sie TensorFlow Eingabe-Pipelines2.
Erhöhen Sie die Diversität Ihres Datensatzes mit Datenerweiterung3. TensorFlow-Datensätze4. Deep Learning mit TensorFlow-Datensätzen5.
Einführung in Tensor Processing Units6.
Einfaches Transfer-Lernen mit TensorFlow Hub7. Fortgeschrittenes Transfer-Lernen8.
Gestapelte Autoencoder9. Faltungs-Autokodierer und Variations-Autokodierer10. Generative adversarische Netzwerke11.
Progressiv wachsende generative adversarische Netze12. Schnelle Stilübertragung13. Objekt-Erkennung14.
Eine Einführung in das Reinforcement Learning.
| ISBN: | 9781484273401 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 374 |
Derzeit verfügbar, auf Lager.
