Deep Learning kompakt fur Dummies (häftad)
Fler böcker inom
Format
Häftad (Paperback / softback)
Språk
Tyska
Antal sidor
366
Utgivningsdatum
2020-03-31
Förlag
Wiley-VCH Verlag GmbH
Översättare
Simone Linke
ISBN
9783527716876
Deep Learning kompakt fur Dummies (häftad)

Deep Learning kompakt fur Dummies

Häftad Tyska, 2020-03-31
289
  • Skickas inom 5-8 vardagar.
  • Gratis frakt inom Sverige över 159 kr för privatpersoner.
Kan levereras innan julafton!
Wollen Sie sich A1/4ber Deep Learning informieren und vielleicht erste kleine Schritte machen, diese Technologie zu nutzen? Dann hilft Ihnen dieses Buch. Die Autoren erklAren Ihnen, welchen Einfluss Deep Learning im Alltag hat und in welcher Beziehung es zu maschinellem Lernen steht. Sie sammeln erste eigene Erfahrungen mit vorgegebenen Python-Programmen und verstehen so die Funktionsweise von neuronalen Netzen und wie Bilder klassifiziert und Sprache sowie Text verarbeitet werden. So ist dieses Buch ein schneller erster und verstAndlicher Einstieg in Deep Learning.
Visa hela texten

Passar bra ihop

  1. Deep Learning kompakt fur Dummies
  2. +
  3. Hilfe, Mein Kind Ist Ein Smombie: Unsere Kids Im Digitalen Rausch

De som köpt den här boken har ofta också köpt Hilfe, Mein Kind Ist Ein Smombie: Unsere Kids I... av Frederik Weinert (häftad).

Köp båda 2 för 548 kr

Kundrecensioner

Har du läst boken? Sätt ditt betyg »

Fler böcker av författarna

Övrig information

John Paul Mueller ist freier Autor und technischer Redakteur. Er hat das Schreiben im Blut. Bis heute hat er 100 BA1/4cher und mehr als 600 Zeitschriftenartikel geschrieben. Seine Themen reichen von Netzwerken bis Haussicherheit und von Datenbankmanagement bis Programmierung. Luca Massaron ist Data Scientist und spezialisiert auf die Aufbereitung und Analyse von Big Data. Er beherrscht die einfachsten und effektivsten Data-Mining- und Maschinelles-Lernen-Techniken und macht so aus Big Data Smart Data. Als Marketing-Consultant und -Forscher hat er seit dem Jahr 2000 mit Data Science zu tun, mit verschiedenen Kunden und in verschiedenen MArkten. Er ist Top-Ten-Kaggle-Data-Scientist.

Innehållsförteckning

UEber die Autoren 9 Widmung von John Mueller 9 Widmung von Luca Massaron 10 Danksagung von John Mueller 10 Danksagung von Luca Massaron 10 Einfuhrung 21 UEber dieses Buch 21 Toerichte Annahmen uber den Leser 23 Symbole, die in diesem Buch verwendet werden 23 Weitere Ressourcen 24 Wie es weitergeht 24 Teil I: Einfuhrung in Deep Learning 27 Kapitel 1 Einfuhrung in Deep Learning 29 Definition von Deep Learning 30 Kunstliche Intelligenz als Oberbegriff 30 Die Rolle der KI 32 Maschinelles Lernen als Teil der KI 35 Deep Learning als Form des maschinellen Lernens 37 Deep Learning in der Praxis 39 Der Prozess des Lernens 39 Aufgabenbewaltigung mit Deep Learning 39 Deep Learning als Bestandteil groesserer Anwendungen 40 Programmierumgebung fur Deep Learning 40 Deep Learning: Hype vs Realitat 43 Ihre ersten Schritte 43 Ungeeignete Szenarien fur Deep Learning 43 Kapitel 2 Maschinelles Lernen 45 Definition von maschinellem Lernen 45 Funktionsweise von maschinellem Lernen 46 Lernen durch unterschiedliche Strategien 47 Training, Validierung und Test 49 Suche nach Generalisierungen 51 Der Einfluss von Bias 51 Beachtung der Komplexitat des Modells 52 Lernstrategien und Arten von Algorithmen 52 Funf wesentliche Strategien 53 Verschiedene Arten von Algorithmen 54 Sinnvolle Einsatzbereiche fur maschinelles Lernen 59 Anwendungsszenarien fur maschinelles Lernen 59 Die Grenzen des maschinellen Lernens 62 Kapitel 3 Installation und Verwendung von Python 65 Verwendung von Python in diesem Buch 66 Installation von Anaconda 66 Anaconda von Continuum Analytics 67 Installation von Anaconda unter Linux 67 Installation von Anaconda unter Mac OS X 68 Installation von Anaconda unter Windows 70 Jupyter Notebook 72 Verwendung von Jupyter Notebook 73 Verwendete Datensatze in diesem Buch 79 Erstellen einer Anwendung 81 Die Arbeit mit Zellen 81 Hinzufugen von Dokumentationszellen 82 Andere Zellarten 83 Einruckung von Codezeilen 83 Hinzufugen von Kommentaren 85 Weitere Informationen zu Python 88 Arbeiten in der Cloud 89 Verwendung der Datensatze und Kernels von Kaggle 89 Verwendung von Google Colaboratory 89 Kapitel 4 Frameworks fur Deep Learning 93 Das Framework-Prinzip 94 Unterschiede zwischen Frameworks 94 Hohe Beliebtheit von Frameworks 95 Frameworks speziell fur Deep Learning 96 Auswahl eines Frameworks 97 Einfache Frameworks fur Deep Learning 98 Kurzvorstellung von TensorFlow 101 Teil II: Grundlagen von Deep Learning 113 Kapitel 5 Rechnen mit Matrizen 115 Noetige mathematische Grundlagen 116 Die Arbeit mit Daten 116 Matrixdarstellung von Daten 117 Skalar-, Vektor- und Matrixoperationen 118 Erzeugung einer Matrix 119 Multiplikation von Matrizen 121 Fortgeschrittene Matrixoperationen 123 Datenanalysen mit Tensoren 125 Effektive Nutzung von Vektorisierung 127 Der Lernprozess als Optimierung 128 Kostenfunktionen 128 Minimierung des Fehlers 129 Die richtige Richtung 130 Kapitel 6 Grundlagen der linearen Regression 133 Kombination von Variablen 134 Die einfache lineare Regression 134 Die multiple lineare Regression 135 Verwendung des Gradientenabstiegs 137 Die lineare Regression in Aktion 138 Vermischung von Variablen unterschiedlichen Typs 140 Modellierung der Antworten 140 Modellierung der Merkmale 141 Umgang mit komplexen Zusammenhangen 142 Nutzung von Wahrscheinlichkeiten 144 Spezifikation einer binaren Antwort 144 Umwandlung numerischer Schatzungen in Wahrscheinlichkeiten 145 Schatzung der richtigen Merkmale 148 Irrefuhrende Ergebnisse durch inkompatible Merkmale 148 Vermeidung einer UEberanpassung durch Merkmalsauswahl und Regularisierung 149 Lernen aus einzelnen Beispielen 150 Verwendung des Gradientenabstiegs 150 Stochastisches Gradientenabstiegsverfahren 151 Kapitel 7 Einfuhrung in neuronale Netze 155 Das faszinierende Perzeptron 156 Hoehen und Tiefen