Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Pro Deep Learning with Tensorflow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python
Dieses Buch baut auf den Grundlagen der ersten Auflage auf, mit aktualisierten Kapiteln und den neuesten Code-Implementierungen, um es auf den neuesten Stand mit Tensorflow 2. 0 zu bringen.
Pro Deep Learning with TensorFlow 2. 0 beginnt mit den mathematischen und technischen Grundlagen des Deep Learning. Als nächstes lernen Sie über Faltungsneuronale Netze, einschließlich neuer Faltungsmethoden wie dilated convolution und depth-wise separable convolution, und deren Implementierung. Sie werden dann ein Verständnis für die Verarbeitung natürlicher Sprache in fortgeschrittenen Netzwerkarchitekturen wie Transformatoren und verschiedenen Aufmerksamkeitsmechanismen erlangen, die für die Verarbeitung natürlicher Sprache und neuronale Netzwerke im Allgemeinen relevant sind. Im weiteren Verlauf des Buches werden Sie sich mit Frameworks für unüberwachtes Lernen beschäftigen, die den aktuellen Stand der Deep-Learning-Methoden widerspiegeln, wie z. B. Autocoder und Variationsautocoder. Das letzte Kapitel befasst sich mit dem fortgeschrittenen Thema der generativen adversen Netze und ihren Varianten, wie z.B. Zykluskonsistenz-GANs und Graph-Neural-Network-Techniken wie Graph Attention Networks und GraphSAGE.
Nach Abschluss dieses Buches werden Sie die mathematischen Grundlagen und Konzepte des Deep Learning verstehen und in der Lage sein, die gezeigten Prototypen zu nutzen, um neue Deep Learning-Anwendungen zu entwickeln.
Was Sie lernen werden
⬤ Verstehen Sie Deep Learning mit TensorFlow 2.0 in vollem Umfang.
⬤ Ein Verständnis der mathematischen Grundlagen des Deep Learning erlangen.
⬤ Komplexe Deep Learning Lösungen mit TensorFlow 2. 0 in der Produktion einsetzen.
⬤ Verstehen Sie generative adversarische Netzwerke, Graph Attention Networks und GraphSAGE.
Für wen dieses Buch gedacht ist:
Datenwissenschaftler und Fachleute für maschinelles Lernen, Softwareentwickler, Studenten und Open-Source-Enthusiasten.