Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht.
Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz.
Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen.
Können Maschinen wirklich lernen? Beim Machine Learning "lernen" Maschinen, Aufgaben zu erledigen, für die sie nicht explizit programmiert wurden. Im Grunde beobachten sie ein Muster und versuchen, es zu imitieren. Wie sich dabei überwachtes und unüberwachtes Machine Learning unterscheiden, beschreibt Andrew Trask in dieser Leseprobe.
Wer hat's geschrieben?
Andrew Trask ist Gründungsmitglied von Digital Reasonings Machine Learning Lab, in dem Deep-Learning-Ansätze zur Verarbeitung natürlicher Sprache, Bilderkennung und Audiotranskription erforscht werden. Innerhalb weniger Monate gelang es Andrew und seinen Forschungskollegen, die besten veröffentlichten Ergebnisse bei der Stimmungsanalyse und der automatisierten Zuordnung von Wörtern eines Textes zu Wortgruppen (Part-of-Speech-Tagging) zu übertreffen. Er hat das größte künstliche neuronale Netz mit mehr als 160 Milliarden Parametern trainiert. Die Ergebnisse hat er zusammen mit seinem Koautor auf der internationalen Konferenz über Machine Learning vorgestellt. Sie wurden im Journal of Machine Learning veröffentlicht.
Derzeit ist er als Produktmanager für Text- und Audioanalytik bei Digital Reasoning für die Weiterentwicklung der kognitiven Computing-Plattform Systhesis verantwortlich, wobei Deep Learning zu den Kernkompetenzen gehört.
Neuronale Netze und Deep Learning kapieren
Der einfache Praxiseinstieg mit Beispielen in Python
Einführung in Deep-Learning-Algorithmen und das Trainieren Neuronaler Netze
Verlag
mitp Verlag
Autor:in
Andrew Trask
Fassung
354 Seiten, Softcover
Erschienen
11/2019
ISBN
978-3-7475-0015-6 9783747500156
Buch
€29,99 inkl. MwSt.
Best.-Nr.: ITP-0015
Versandkostenfrei (D)
Lieferbar in 48 h
Neuronale Netze und Deep Learning kapieren
Der einfache Praxiseinstieg mit Beispielen in Python
Einführung in Deep-Learning-Algorithmen und das Trainieren Neuronaler Netze
Best.-Nr.: ITP-0015 Lieferbar in 48 h
€29,99 inkl. MwSt.
Versandkostenfrei (D)
Neuronale Netze und Deep Learning kapieren
Der einfache Praxiseinstieg mit Beispielen in Python
Einführung in Deep-Learning-Algorithmen und das Trainieren Neuronaler Netze
