Pro Deep Learning with Tensorflow 2.0: Eine mathematische Annäherung an fortgeschrittene künstliche Intelligenz in Python

Bewertung:   (5,0 von 5)

Pro Deep Learning with Tensorflow 2.0: Eine mathematische Annäherung an fortgeschrittene künstliche Intelligenz in Python (Santanu Pattanayak)

Leserbewertungen

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.

Originaltitel:

Pro Deep Learning with Tensorflow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python

Inhalt des Buches:

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.

Weitere Daten des Buches:

ISBN:9781484289303
Autor:
Verlag:
Sprache:Englisch
Einband:Taschenbuch
Erscheinungsjahr:2023
Seitenzahl:652

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Quantum Machine Learning with Python: Mit Cirq von Google Research und IBM Qiskit - Quantum Machine...
Skalieren Sie schnell auf die Grundlagen des...
Quantum Machine Learning with Python: Mit Cirq von Google Research und IBM Qiskit - Quantum Machine Learning with Python: Using Cirq from Google Research and IBM Qiskit
Pro Deep Learning with Tensorflow 2.0: Eine mathematische Annäherung an fortgeschrittene künstliche...
Dieses Buch baut auf den Grundlagen der ersten...
Pro Deep Learning with Tensorflow 2.0: Eine mathematische Annäherung an fortgeschrittene künstliche Intelligenz in Python - Pro Deep Learning with Tensorflow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht: