Tensorflow für Deep Learning: Von der linearen Regression zum Reinforcement Learning

Bewertung:   (3,5 von 5)

Tensorflow für Deep Learning: Von der linearen Regression zum Reinforcement Learning (Bharath Ramsundar)

Leserbewertungen

Zusammenfassung:

Das Buch bietet einen einführenden Leitfaden zu TensorFlow und Deep-Learning-Konzepten, einschließlich praktischer Beispiele und klarer Erklärungen. Es erhält jedoch gemischte Kritiken hinsichtlich seiner Tiefe, Organisation und mathematischen Strenge.

Vorteile:

Gute Grundlagen für das Programmieren mit TensorFlow und das Verständnis von Deep Learning Konzepten.
Klarer und reichhaltiger Inhalt, gut strukturierte Kapitel.
Nützlich für praktizierende Ingenieure und Neulinge in TensorFlow.
Hands-on Ansatz mit praktischen Programmierbeispielen.
Fesselnde Einführung, die zu Deep-Learning-Anwendungen motiviert.

Nachteile:

Einige Inhalte werden als zu oberflächlich und übereilt empfunden, es fehlt an Tiefe in kritischen Bereichen.
Technische Fehler und Bugs in Codebeispielen.
Einige Leser finden die mathematischen Erklärungen unzureichend.
Bestimmte Lieferprobleme wie zerknitterte Seiten werden bemängelt.
Es gibt Alternativen, die das Thema umfassender behandeln.

(basierend auf 25 Leserbewertungen)

Originaltitel:

Tensorflow for Deep Learning: From Linear Regression to Reinforcement Learning

Inhalt des Buches:

Lernen Sie, wie Sie anspruchsvolle Machine-Learning-Probleme mit Tensorflow, Googles revolutionärem neuen System für Deep Learning, lösen können. Wenn Sie über einige Grundkenntnisse in linearer Algebra und Kalkül verfügen, zeigt Ihnen dieses praktische Buch, wie Sie Architekturen für tiefes Lernen aufbauen - und wann Sie sie einsetzen sollten. Sie lernen, wie man Systeme entwickelt, die in der Lage sind, Objekte in Bildern zu erkennen, menschliche Sprache zu verstehen, Videos zu analysieren und die Eigenschaften potenzieller Medikamente vorherzusagen.

TensorFlow for Deep Learning vermittelt Konzepte anhand praktischer Beispiele und baut das Verständnis für die Grundlagen des Deep Learning von Grund auf auf. Es ist ideal für praktizierende Entwickler, die mit dem Design von Softwaresystemen vertraut sind, aber nicht unbedingt mit der Erstellung von lernenden Systemen. Dieses Buch ist auch für Wissenschaftler und andere Fachleute nützlich, die mit Skripten vertraut sind, aber nicht unbedingt mit der Entwicklung von Lernalgorithmen.

⬤ Vertiefte Kenntnisse der TensorFlow API und Primitive.

⬤ Verstehen Sie, wie man maschinelle Lernsysteme mit TensorFlow auf großen Datensätzen trainiert und abstimmt.

⬤ Lernen Sie, wie Sie TensorFlow mit Faltungsnetzen, rekurrenten Netzen, LSTMs und Reinforcement Learning verwenden können.

Weitere Daten des Buches:

ISBN:9781491980453
Autor:
Verlag:
Einband:Taschenbuch
Erscheinungsjahr:2018
Seitenzahl:300

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Deep Learning für die Biowissenschaften: Anwendung von Deep Learning auf Genomik, Mikroskopie,...
Deep Learning hat bereits in vielen Bereichen...
Deep Learning für die Biowissenschaften: Anwendung von Deep Learning auf Genomik, Mikroskopie, Arzneimittelentdeckung und mehr - Deep Learning for the Life Sciences: Applying Deep Learning to Genomics, Microscopy, Drug Discovery, and More
Tensorflow für Deep Learning: Von der linearen Regression zum Reinforcement Learning - Tensorflow...
Lernen Sie, wie Sie anspruchsvolle...
Tensorflow für Deep Learning: Von der linearen Regression zum Reinforcement Learning - Tensorflow for Deep Learning: From Linear Regression to Reinforcement Learning

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht: