Bewertung:
Das Buch ist eine umfassende Ressource zum Thema Deep Learning und deckt ein breites Spektrum an Themen ab, von grundlegenden neuronalen Netzen bis hin zu fortgeschrittenen Modellen wie Reinforcement Learning und Anwendungen in Bereichen wie Computer Vision und autonome Fahrzeuge. Es wird für seine klaren Erklärungen und praktischen Beispiele gelobt und ist daher für verschiedene Kenntnisstufen geeignet. Einige Nutzer beklagen jedoch, dass wertvolle Inhalte aus früheren Ausgaben entfernt wurden, und es gibt Kritik an der grafischen Qualität und der Zugänglichkeit von Zusatzmaterialien.
Vorteile:Breite Abdeckung von Deep-Learning-Themen, klare Erklärungen, die für verschiedene Kenntnisstufen geeignet sind, praktische Beispiele, Einbeziehung der wichtigsten Deep-Learning-Bibliotheken, umfassende Abschnitte über Computer Vision und Reinforcement Learning.
Nachteile:Aus früheren Ausgaben wurde wertvolles Material entfernt, die Qualität der Grafiken ist mangelhaft, das Zusatzmaterial ist verwirrend (z. B. GitHub-Links, die auf falsche Repositories verweisen), und einige Themen, insbesondere im Bereich der natürlichen Sprachverarbeitung, könnten detaillierter sein.
(basierend auf 8 Leserbewertungen)
Python Deep Learning - Second Edition: Exploring deep learning techniques and neural network architectures with PyTorch, Keras, and TensorFlow, 2nd Ed
Lernen Sie fortgeschrittene, hochmoderne Deep-Learning-Techniken und ihre Anwendungen mithilfe beliebter Python-Bibliotheken kennen.
Hauptmerkmale
⬤ Bilden Sie eine solide Grundlage in neuronalen Netzen und Deep Learning mit Python-Bibliotheken.
⬤ Erforschen Sie fortgeschrittene Deep-Learning-Techniken und deren Anwendungen in den Bereichen Computer Vision und NLP.
⬤ Lernen Sie, wie ein Computer mit Reinforcement Learning in komplexen Umgebungen navigieren kann.
Buchbeschreibung
Mit dem Aufschwung der künstlichen Intelligenz in Anwendungen für Unternehmen und Verbraucher ist Deep Learning wichtiger denn je, um die aktuellen und zukünftigen Marktanforderungen zu erfüllen. In diesem Buch lernen Sie Deep Learning kennen und erfahren, wie Sie maschinelles Lernen in Ihren Projekten einsetzen können.
Diese zweite Ausgabe von Python Deep Learning bringt Sie auf den neuesten Stand in Sachen Deep Learning, tiefe neuronale Netze und wie man sie mit leistungsstarken Algorithmen und beliebten Python-Frameworks trainiert. Sie lernen verschiedene Architekturen neuronaler Netze kennen, wie z. B. Faltungsnetze, rekurrente neuronale Netze, LSTM-Netze (Long Short Memory) und Kapselnetze. Sie werden auch lernen, wie man Probleme in den Bereichen Computer Vision, natürliche Sprachverarbeitung (NLP) und Spracherkennung löst. Sie werden generative Modellansätze wie Variations-Autocoder und Generative Adversarial Networks (GANs) zur Bilderzeugung untersuchen. Während Sie sich in neu entwickelte Bereiche des Reinforcement Learning vertiefen, werden Sie ein Verständnis für hochmoderne Algorithmen erlangen, die die Hauptkomponenten der beliebten Spiele Go, Atari und Dota sind.
Am Ende des Buches werden Sie mit der Theorie des Deep Learning und seinen realen Anwendungen bestens vertraut sein.
Was Sie lernen werden
⬤ Die mathematische Theorie hinter neuronalen Netzen und Deep-Learning-Prozessen zu begreifen.
⬤ Untersuchen und lösen Sie Herausforderungen der Computer Vision mit Hilfe von Faltungsnetzen und Kapselnetzen.
⬤ Generative Aufgaben mit Hilfe von Variations-Autocodierern und Generative Adversarial Networks lösen.
⬤ Implementierung komplexer NLP-Aufgaben mit rekurrenten Netzen (LSTM und GRU) und Aufmerksamkeitsmodellen.
⬤ Erforschen Sie das Verstärkungslernen und verstehen Sie, wie sich Agenten in einer komplexen Umgebung verhalten.
⬤ Informieren Sie sich über Anwendungen von Deep Learning in autonomen Fahrzeugen.
Für wen dieses Buch gedacht ist.
Dieses Buch richtet sich an Data-Science-Praktiker, Ingenieure für maschinelles Lernen und an alle, die sich für Deep Learning interessieren und über grundlegende Kenntnisse des maschinellen Lernens und einige Erfahrungen in der Python-Programmierung verfügen. Ein Hintergrund in Mathematik und ein konzeptionelles Verständnis von Kalkül und Statistik werden Ihnen helfen, maximalen Nutzen aus diesem Buch zu ziehen.
| ISBN: | 9781789348460 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
