Neuronale Netze und Deep Learning kapieren

25,99 €*

Nach dem Kauf zum Download bereit Ein Downloadlink ist wenige Minuten nach dem Kauf im eigenen Benutzerprofil verfügbar.

ISBN/EAN: 9783747500170
  • 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.
Autor: Andrew W. Trask
EAN: 9783747500170
eBook Format: ePUB
Sprache: Deutsch
Produktart: eBook
Veröffentlichungsdatum: 27.11.2019
Untertitel: Der einfache Praxiseinstieg mit Beispielen in Python
Kategorie:
Schlagworte: Data Science Informatik Machine Learning Neuronale Netze Programmierung Python Studenten Studium

0 von 0 Bewertungen

Geben Sie eine Bewertung ab!

Teilen Sie Ihre Erfahrungen mit dem Produkt mit anderen Kunden.


shop display image

Möchten Sie lieber vor Ort einkaufen?

Haben Sie weiterführende Fragen zu diesem Buch oder anderen Produkten? Oder möchten Sie einfach doch lieber in der Buchhandlung stöbern? Wir sind gern persönlich für Sie da und beraten Sie auch telefonisch.

Buchhandlung Nettesheim GmbH
Hauptstraße 17
42349 Wuppertal
Telefon: 0202/472870

Mo – Fr09:30 – 18:00 UhrSa09:00 – 13:00 Uhr