Jon Krohn Knihy

Deep Learning begreifen und einsetzen Einführung in die Themen Künstliche Intelligenz, Machine Learning und Neuronale Netze Mit vielen anschaulichen Illustrationen und Codebeispielen zum Download (Jupyter-Notebooks) Inkl. Vorstellung der Bibliotheken Tensor Flow/Keras und PyTorch Die Autoren John Krohn, Grant Beylefeld und Aglaé Bassens bieten Ihnen eine einzigartige visuelle, intuitive und verständliche Einführung in Techniken und Anwendungen von Deep Learning. Mit den farbenfrohen Illustrationen und eingängigen Erläuterungen von »Deep Learning illustriert« gelingt Ihnen ein einfacher Zugang zum Aufbau von Deep-Learning-Modellen, und bringt Ihnen sogar Spaß beim Lernen. Der erste Teil des Buches erklärt die Grundlagen von Deep Learning - warum es so allgegenwärtig geworden ist und wie es mit Konzepten und Terminologien wie künstlicher Intelligenz, Machine Learning oder künstlichen neuronalen Netzen interagiert. Dabei verwenden die Autoren verständliche Analogien, lebendige Grafiken und viele Beispiele. Auf dieser Grundlage präsentieren die Autoren eine praktische Referenz und ein Tutorial zur Anwendung bewährter Techniken des Deep Learning. Die wesentliche Theorie wird mit so wenig Mathematik wie möglich behandelt und mit Python-Code beleuchtet. Praktische Beispiele zum Ausprobieren, die kostenfrei online verfügbar sind (Jupyter-Notebooks), machen Ihnen die Theorie begreiflich. So erlangen Sie ein pragmatisches Verständnis aller wichtigen Deep-Learning-Ansätze und ihrer Anwendungen: Machine Vision, Natural Language Processing, Bilderzeugung und Spielalgorithmen. Um Ihnen zu helfen, mehr in kürzerer Zeit zu erreichen, stellen die Autoren mehrere der heute am weitesten verbreiteten und innovativsten Deep-Learning-Bibliotheken vor, darunter: TensorFlow und seine High-Level-API, Keras PyTorch High-Level-Coach, eine TensorFlow-API, die die Komplexität, die typischerweise mit der Entwicklung von Deep Reinforcement Learning-Algorithmen verbunden ist, abstrahiert. Jetzt reinlesen: Inhaltsverzeichnis(pdf)

Uczenie maszynowe kształtuje naszą cywilizację, wpływając na wiele sektorów, takich jak usługi konsumenckie, inżynieria, bankowość, medycyna czy produkcja. Potęga sieci neuronowych obiecuje jeszcze większe zmiany w przyszłości. Mimo ekscytujących możliwości, zaawansowana matematyka i teoria mogą zniechęcać do zgłębiania tej dziedziny. Książka ta stanowi nowatorski podręcznik, który w przystępny sposób opisuje techniki sztucznej inteligencji, wzbogacony kolorowymi ilustracjami i zrozumiałym kodem, co ułatwia zrozumienie złożoności modeli głębokiego uczenia. Trudniejsze zagadnienia matematyczne zostały ograniczone do minimum, przedstawione w przystępny sposób. Po lekturze zrozumiesz, czym jest głębokie uczenie, dlaczego jest popularne i jak odnosi się do innych dziedzin uczenia maszynowego. Książka omawia zastosowania głębokiego uczenia, takie jak widzenie maszynowe, przetwarzanie języka naturalnego, generowanie obrazów oraz gry. Zawiera praktyczny kod i wskazówki dotyczące bibliotek Keras i TensorFlow. Porusza teoretyczne podstawy sztucznej inteligencji, trening sieci neuronowych, optymalizację sieci konwolucyjnych i rekurencyjnych, GAN oraz głębokie uczenie przez wzmacnianie. Autorzy to eksperci w dziedzinie, łączący wiedzę akademicką z praktycznym doświadczeniem.