Leserbewertungen
Zusammenfassung:Das Buch „Python Deep Learning“ bietet einen praktischen und umfassenden Leitfaden zum Verständnis und zur Erstellung von Deep-Learning-Modellen mit Python. Es bietet ein ausgewogenes Verhältnis zwischen theoretischen Grundlagen und praktischen Beispielen und behandelt wichtige Themen wie neuronale Netze, Faltungsnetze, natürliche Sprachverarbeitung und MLOps. Der Text ist klar und ansprechend geschrieben und eignet sich daher sowohl für Anfänger als auch für erfahrene Praktiker. Die Leser stellten jedoch fest, dass die Komplexität manchmal sprunghaft ansteigt, und schlugen klarere Versionsangaben für Python und Bibliotheken vor.
Vorteile:Umfassende Abdeckung von Deep-Learning-Konzepten von den Grundlagen bis zu fortgeschrittenen Themen.
Nachteile:Praktische Hands-on-Beispiele und klare Erklärungen.
(basierend auf 10 Leserbewertungen)
Originaltitel:
Python Deep Learning - Third Edition: Understand how deep neural networks work and apply them to real-world tasks
Inhalt des Buches:
Beherrschen Sie die effektive Navigation von neuronalen Netzen, einschließlich Faltungen und Transformationen, um Computer Vision und NLP-Aufgaben mit Python zu bewältigen.
Hauptmerkmale:
⬤ Verstehen Sie die Theorie, die mathematischen Grundlagen und die Struktur von tiefen neuronalen Netzen.
⬤ Machen Sie sich mit Transformern, großen Sprachmodellen und Faltungsnetzen vertraut.
⬤ Lernen Sie, wie man sie auf verschiedene Probleme der Computer Vision und der Verarbeitung natürlicher Sprache anwendet. Der Kauf des gedruckten oder des Kindle-Buches beinhaltet ein kostenloses PDF-eBook.
Buchbeschreibung:
Der Bereich des Deep Learning hat sich in den letzten Jahren rasant entwickelt und deckt heute ein breites Spektrum an Anwendungen ab. Das macht es schwierig, sich darin zurechtzufinden und es ohne solide Grundlagen zu verstehen. Dieses Buch führt Sie von den Grundlagen neuronaler Netze zu den modernsten großen Sprachmodellen, die heute verwendet werden.
Im ersten Teil des Buches werden die wichtigsten Konzepte und Paradigmen des maschinellen Lernens vorgestellt. Er behandelt die mathematischen Grundlagen, die Struktur und die Trainingsalgorithmen neuronaler Netze und taucht in das Wesen des Deep Learning ein.
Der zweite Teil des Buches führt in Faltungsnetzwerke für Computer Vision ein. Wir lernen, wie man Aufgaben der Bildklassifikation, Objekterkennung, Instanzsegmentierung und Bilderzeugung löst.
Der dritte Teil konzentriert sich auf den Aufmerksamkeitsmechanismus und die Transformatoren - die zentrale Netzwerkarchitektur großer Sprachmodelle. Wir werden neue Arten von fortgeschrittenen Aufgaben besprechen, die sie lösen können, wie z. B. Chatbots und Text-zu-Bild-Generierung.
Am Ende dieses Buches werden Sie ein umfassendes Verständnis der Funktionsweise von tiefen neuronalen Netzen haben. Sie werden in der Lage sein, neue Modelle zu entwickeln oder bestehende Modelle anzupassen, um Ihre Aufgaben zu lösen. Sie werden auch über ausreichende Kenntnisse verfügen, um Ihre Forschung fortzusetzen und über die neuesten Fortschritte auf diesem Gebiet auf dem Laufenden zu bleiben.
Was Sie lernen werden:
⬤ Theoretische Grundlagen tiefer neuronaler Netze aufbauen.
⬤ Verstehen Sie Faltungsnetzwerke und wenden Sie diese in Computer Vision Anwendungen an.
⬤ Sich mit der Verarbeitung natürlicher Sprache und rekurrenten Netzen vertraut machen.
⬤ Erforschen Sie den Aufmerksamkeitsmechanismus und Transformatoren.
⬤ Anwendung von Transformatoren und großen Sprachmodellen für natürliche Sprache und Computer Vision.
⬤ Implementieren Sie Programmierbeispiele mit PyTorch, Keras und Hugging Face Transformers.
⬤ Verwenden Sie MLOps, um Modelle für neuronale Netze zu entwickeln und einzusetzen.
Für wen dieses Buch gedacht ist:
Dieses Buch richtet sich an Softwareentwickler/Ingenieure, Studenten, Datenwissenschaftler, Datenanalysten, Ingenieure für maschinelles Lernen, Statistiker und alle, die sich für Deep Learning interessieren. Vorherige Erfahrung mit der Python-Programmierung ist eine Voraussetzung.
Weitere Daten des Buches:
| ISBN: | 9781837638505 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
