Neuronale Netze und Deep Learning kapieren

Neuronale Netze und Deep Learning kapieren

Der einfache Praxiseinstieg mit Beispielen in Python

Buch (Taschenbuch)

€30,90

inkl. gesetzl. MwSt.
Taschenbuch

Taschenbuch

€ 30,90

Neuronale Netze und Deep Learning kapieren

Ebenfalls verfügbar als:

Taschenbuch

Taschenbuch

ab € 30,90
eBook

eBook

ab € 25,99

Beschreibung




  • Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen


  • Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy


  • Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich


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.


Aus dem Inhalt:

  • Parametrische und nichtparametrische Modelle

  • Überwachtes und unüberwachtes Lernen

  • Vorhersagen mit mehreren Ein- und Ausgaben

  • Fehler messen und verringern

  • Hot und Cold Learning

  • Batch- und stochastischer Gradientenabstieg

  • Überanpassung vermeiden

  • Generalisierung

  • Dropout-Verfahren

  • Backpropagation und Forward Propagation

  • Bilderkennung

  • Verarbeitung natürlicher Sprache (NLP)

  • Sprachmodellierung

  • Aktivierungsfunktionen

    • Sigmoid-Funktion

    • Tangens hyperbolicus

    • Softmax



  • Convolutional Neural Networks (CNNs)

  • Recurrent Neural Networks (RNNs)

  • Long Short-Term Memory (LSTM)

  • Deep-Learning-Framework erstellen


Andrew W. Trask ist Doktorand an der Oxford University und als Research Scientist für DeepMind tätig. Zuvor war er Researcher und Analytics Product Manager bei Digital Reasoning, wo er u.a. das größte künstliche Neuronale Netz der Welt trainierte.

Details

Einband

Taschenbuch

Erscheinungsdatum

30.11.2019

Verlag

Mitp Verlags GmbH & Co.KG

Seitenzahl

360

Maße (L/B/H)

24,2/17,2/2,3 cm

Beschreibung

Details

Einband

Taschenbuch

Erscheinungsdatum

30.11.2019

Verlag

Mitp Verlags GmbH & Co.KG

Seitenzahl

360

Maße (L/B/H)

24,2/17,2/2,3 cm

Gewicht

609 g

Auflage

2020

Reihe

mitp Professional

Sprache

Deutsch

ISBN

978-3-7475-0015-6

Das meinen unsere Kund*innen

0.0

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Kund*innenkonto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Erste Bewertung verfassen

Unsere Kund*innen meinen

0.0

0 Bewertungen filtern

Weitere Artikel finden Sie in

Die Leseprobe wird geladen.
  • Neuronale Netze und Deep Learning kapieren