Praxiseinstieg Deep Learning : mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen /

Sie wollten immer schon mal wissen, was sich hinter dem Begriff »Deep Learning« verbirgt? Deep Learning ist ein Teilbereich des Machine Learning und basiert auf künstlichen neuronalen Netzen - aber was genau lässt sich mit neuronalen Netzen berechnen, und was machen Firmen wie Google, Facebook ode...

Descripción completa

Detalles Bibliográficos
Clasificación:Libro Electrónico
Autor principal: Wartala, Ramon (Autor)
Formato: Electrónico eBook
Idioma:Alemán
Publicado: Heidelberg : O'Reilly : Dpunkt.verlag, [2018]
Edición:1. Auflage.
Temas:
Python (Computer program language)
Machine learning.
Artificial intelligence.
Python (Langage de programmation)
Apprentissage automatique.
Intelligence artificielle.
artificial intelligence.
Acceso en línea:Texto completo (Requiere registro previo con correo institucional)

MARC

LEADER 00000cam a2200000 i 4500
001 OR_on1023436554
003 OCoLC
005 20231017213018.0
006 m o d
007 cr unu||||||||
008 180215s2018 gw a ob 001 0 ger d
040 |a UMI  |b eng  |e rda  |e pn  |c UMI  |d OCLCF  |d CZL  |d OCLCQ  |d OCLCO  |d OCLCQ 
020 |z 9783960090540 
029 1 |a AU@  |b 000071518575 
035 |a (OCoLC)1023436554 
037 |a CL0500000939  |b Safari Books Online 
050 4 |a QA76.73.P98 
082 0 4 |a 005.133  |2 23 
049 |a UAMI 
100 1 |a Wartala, Ramon,  |e author. 
245 1 0 |a Praxiseinstieg Deep Learning :  |b mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen /  |c Ramon Wartala. 
246 3 0 |a Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen 
250 |a 1. Auflage. 
264 1 |a Heidelberg :  |b O'Reilly :  |b Dpunkt.verlag,  |c [2018] 
264 4 |c ©2018 
300 |a 1 online resource (1 volume) :  |b illustrations 
336 |a text  |b txt  |2 rdacontent 
337 |a computer  |b c  |2 rdamedia 
338 |a online resource  |b cr  |2 rdacarrier 
588 0 |a Online resource; title from title page (Safari, viewed February 13, 2018). 
504 |a Includes bibliographical references and index. 
505 0 |a Intro -- Inhaltsverzeichnis -- Vorwort -- Kapitel 1: Einführung -- Wozu Deep Learning? -- Zielgruppe -- Struktur des Buchs -- Weiterführende Quellen -- Typografische Konventionen -- Quellcode und Beispiele -- Danksagung -- Kapitel 2: Was ist Deep Learning? -- Kurze Geschichte der künstlichen neuronalen Netze -- Wie lernen (künstliche) neuronale Netze? -- Modelle und Trainingseinheiten -- Mehrschichtsysteme -- Backpropagation-Algorithmus -- GPUs und Parallelisierung -- Lernmethoden des Deep Learning -- Überwachtes Lernen -- Unüberwachtes Lernen -- Bestärktes Lernen -- Teilüberwachtes Lernen -- Aktives Lernen -- Kapitel 3: Wozu wird Deep Learning verwendet? -- Deep Learning bei Google -- TensorFlow -- AlphaGo -- Google Photo -- Google Translate -- Google Cloud ML -- Google AutoDraw -- Google self-driving car -- Deep Learning bei Facebook -- Deep Learning bei IBM -- Deep Learning bei Microsoft -- Deep Learning bei Baidu -- Deep Learning bei Apple -- Deep Learning bei Amazon -- Amazon Web Services -- Polly -- Rekognotion -- Lex -- Kapitel 4: Werkzeuge für Deep Learning -- Python für die Praxis -- Docker-Installation -- Docker unter macOS -- Docker unter Windows -- Docker unter Linux -- Docker-Container zum Buch -- Jupyter Notebook -- Beispieldaten -- ImageNet -- Oxford Flowers Dataset -- MNIST-Datenbank -- Web Scraping -- Weitere Datenquellen -- Kapitel 5: Zwei Deep-Learning-Frameworks -- Einführung in Caffe -- Blobs -- Workspaces -- Operatoren -- Nets -- Bilddaten -- Deep Learning mit Caffe und Caffe2 -- Einfürung in TensorFlow -- Tensoren -- Konstanten und Variablen -- Sequenzen und Zufallswerte -- Checkpoints -- Graphen und TensorBoard -- Placeholder und Eingabedaten -- Bilddaten -- Namen und Scopes -- Künstliche neuronale Netze mit TensorFlow -- Deep Learning mit TensorFlow -- Kapitel 6: Deep-Learning-Anwendungen -- Handschrifterkennung. 
505 8 |a Kunst mit Deep Learning -- Bilderkennung und Klassifizierung -- Deep Dreaming -- Deep Dreaming in der Cloud -- Prognosen von Zeitreihen -- Kapitel 7: Deep Learning und Big Data -- TensorFlow verteilen -- Caffe2 verteilen -- Spark und Deep Learning -- TensorFrames -- Intels BigDL -- SparkNet -- CaffeOnSpark -- TensorFlowOnSpark -- Deep Learning und die Amazon-Cloud -- Googles Cloud Platform -- Kapitel 8: Deep Learning produktiv -- Modellgüte bewerten -- Trainingsdaten und Testdaten -- Konfusionsmatrix -- Mittlere quadratische Abweichung -- Mittlere absolute Abweichung -- R² -- Bias -- Underfitting und Overfitting -- Modelle einfrieren -- Modelle nutzen -- Entwicklungspipeline -- Laufzeitumgebungen -- TensorFlow Serving -- AWS Lambda -- Anhang: Arbeiten mit dem Docker-Container -- Index -- Über den Autor -- Kolophon. 
520 |a Sie wollten immer schon mal wissen, was sich hinter dem Begriff »Deep Learning« verbirgt? Deep Learning ist ein Teilbereich des Machine Learning und basiert auf künstlichen neuronalen Netzen - aber was genau lässt sich mit neuronalen Netzen berechnen, und was machen Firmen wie Google, Facebook oder IBM damit?Dieser praktische Leitfaden vermittelt Ihnen einen umfassenden, schnellen und praxisnahen Einstieg in die Grundlagen und Arbeitsweisen von Deep Learning. Anhand einer Reihe von Python-basierten Beispielanwendungen wird der Umgang mit den Open-Source-Frameworks Caffe, TensorFlow und Spark gezeigt. Einfache, alltagstaugliche Beispiele dienen dem besseren Verständnis der mathematischen Methoden hinter Deep Learning und laden zum Nachprogrammieren ein. Darüber hinaus erfahren Sie, warum Cloud Computing und Big Data im Zusammenhang mit Deep Learning so wichtig sind und wie sich verteilte Anwendungen erstellen lassen. 
590 |a O'Reilly  |b O'Reilly Online Learning: Academic/Public Library Edition 
650 0 |a Python (Computer program language) 
650 0 |a Machine learning. 
650 0 |a Artificial intelligence. 
650 6 |a Python (Langage de programmation) 
650 6 |a Apprentissage automatique. 
650 6 |a Intelligence artificielle. 
650 7 |a artificial intelligence.  |2 aat 
650 7 |a Artificial intelligence.  |2 fast  |0 (OCoLC)fst00817247 
650 7 |a Machine learning.  |2 fast  |0 (OCoLC)fst01004795 
650 7 |a Python (Computer program language)  |2 fast  |0 (OCoLC)fst01084736 
856 4 0 |u https://learning.oreilly.com/library/view/~/9781492065593/?ar  |z Texto completo (Requiere registro previo con correo institucional) 
994 |a 92  |b IZTAP 

Ejemplares similares