Bewertung:
Dieses Buch bietet eine ansprechende und leicht verständliche Einführung in die künstliche Intelligenz, wobei der Schwerpunkt auf Deep Learning liegt. Obwohl der Schwerpunkt auf dem konzeptionellen Verständnis und nicht auf mathematischer Strenge liegt, ist es gut strukturiert und enthält klare Erklärungen, visuelle Darstellungen und Beispiele. Einige Leser empfanden es jedoch als oberflächlich und waren der Meinung, dass der Preis im Verhältnis zum eigentlichen Inhalt zu hoch war.
Vorteile:Fesselnde und klare Erklärungen, visuell ansprechend mit intuitiven Diagrammen, gut organisierter Inhalt, für Anfänger geeignet, vermeidet übermäßig komplexe Mathematik, gut für das konzeptionelle Verständnis und enthält umfangreiche Zitate für weiterführende Literatur.
Nachteile:Einige empfanden den Inhalt als oberflächlich, zu wenig tiefgründig, veraltete oder falsche Code-Beispiele, den hohen Preis für die Taschenbuchausgabe und einen Mangel an mathematischen Details, die für ein besseres technisches Verständnis zusätzliche Texte erfordern könnten.
(basierend auf 32 Leserbewertungen)
Deep Learning: A Visual Approach
Eine reich bebilderte, vollfarbige Einführung in Deep Learning, die visuelle und konzeptionelle Erklärungen anstelle von Gleichungen bietet. Sie lernen, wie Sie die wichtigsten Deep-Learning-Algorithmen nutzen können, ohne komplexe Mathematik anwenden zu müssen.
Seitdem Computer uns beim Schachspiel besiegt haben, werden sie bei einer Vielzahl menschlicher Aktivitäten immer besser, vom Schreiben von Liedern über die Erstellung von Nachrichtenartikeln bis hin zur Unterstützung von Ärzten bei der Gesundheitsversorgung.
Deep Learning ist die Quelle vieler dieser Durchbrüche, und seine bemerkenswerte Fähigkeit, in Daten verborgene Muster zu finden, hat es zum am schnellsten wachsenden Bereich der künstlichen Intelligenz (AI) gemacht. Digitale Assistenten auf unseren Telefonen nutzen Deep Learning, um Sprachbefehle zu verstehen und intelligent darauf zu reagieren; Autosysteme nutzen es, um sicher durch Gefahren im Straßenverkehr zu navigieren; Online-Plattformen nutzen es, um personalisierte Vorschläge für Filme und Bücher zu liefern - die Möglichkeiten sind endlos.
Deep Learning: A Visual Approach richtet sich an alle, die dieses faszinierende Gebiet in seiner ganzen Tiefe verstehen wollen, jedoch ohne die fortgeschrittene Mathematik und Programmierung, die normalerweise erforderlich ist, um die Interna zu verstehen. Wenn Sie wissen wollen, wie diese Tools funktionieren, und sie selbst nutzen möchten, finden Sie die Antworten auf diesen Seiten. Und wenn Sie bereit sind, Ihre eigenen Programme zu schreiben, finden Sie im begleitenden Github-Repository zahlreiche ergänzende Python-Notizbücher, die Ihnen den Einstieg erleichtern.
Der unterhaltsame Stil des Buches, die umfangreichen farbigen Illustrationen, die erhellenden Analogien und die Beispiele aus der Praxis erklären fachmännisch die Schlüsselkonzepte des Deep Learning, darunter:
Wie Textgeneratoren neue Geschichten und Artikel erstellen.
Wie Deep-Learning-Systeme lernen, menschliche Spiele zu spielen und zu gewinnen.
Wie Bildklassifikationssysteme Objekte oder Personen auf einem Foto identifizieren.
Wie man über Wahrscheinlichkeiten auf eine Weise nachdenkt, die für das tägliche Leben nützlich ist.
Wie man die Techniken des maschinellen Lernens einsetzt, die den Kern der modernen KI bilden.
Intellektuelle Abenteurer aller Art können die leistungsstarken Ideen in Deep Learning nutzen: A Visual Approach" behandelt werden, nutzen, um intelligente Systeme zu entwickeln, die uns helfen, die Welt und jeden, der in ihr lebt, besser zu verstehen. Das ist die Zukunft der künstlichen Intelligenz, und dieses Buch ermöglicht es Ihnen, sie sich vollständig vorzustellen.
Vollfarbige Illustrationen
| ISBN: | 9781718500723 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 1200 |
Derzeit verfügbar, auf Lager.
