Professionelle KI-Projekte mit Neuronalen Netzen

Deep Learning mit TensorFlow, Keras und TensorFlow.js

€ 39,90

Sofort lieferbar

€ 39,90

Sofort verfügbar

nur € 39,90

Sofort verfügbar

496 Seiten, 2., aktualisierte und erweiterte Auflage , gebunden
Rheinwerk Computing, ISBN 978-3-8362-7425-8
496 Seiten, 2., aktualisierte und erweiterte Auflage
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-8362-7426-5
496 Seiten, 2., aktualisierte und erweiterte Auflage , gebunden
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-8362-7428-9
496 Seiten, 2., aktualisierte und erweiterte Auflage
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-8362-7429-6

Deep Learning ist die Schlüsseltechnologie der Künstlichen Intelligenz. Neuronale Netze bringen Höchstleistung, wenn sie zu Deep-Learning-Modellen verknüpft werden – vorausgesetzt, Sie machen es richtig. Gute Trainingsdaten beschaffen, geschickt implementieren und mehr: Lernen Sie hier, wie Sie die mächtige Technologie wirklich in Ihren Dienst nehmen. Unsere Autoren zeigen Ihnen sowohl die Arbeit mit Python und Keras als auch für den Browser mit JavaScript, HTML5 und TensorFlow.js. Und das alles ganz aktuell zu TensorFlow 2.

  • Von der Aufbereitung der Daten bis zur Visualisierung
  • Basisprojekte mit Beispielen aus vielen Anwendungsfeldern
  • Mit Python, HTML5 und JavaScript Deep Learning entdecken
»Die Abwägung zwischen mathematischem Tiefgang und angewendeten Kenntnissen ist den Autoren bestens gelungen.«

windows.developer, Januar 2021

496 Seiten, gebunden. Handbuchformat 16,8 x 24 cm, mit Lesebändchen. Schwarzweiß gedruckt auf holzfreiem 90g-Offsetpapier. Lesefreundliche Serifenschrift (The Antiqua B 9,35). Einspaltiges Layout.
E-Book zum Herunterladen in den Formaten PDF (65 MB), EPUB (69 MB) sowie als Onlinebuch. Dateien sind DRM-frei, mit personalisierter digitaler Signatur. Drucken, Copy & Paste sowie Kommentare sind zugelassen. Mit Abbildungen und Syntax-Hervorhebungen in Farbe. Inhaltsverzeichnis, Index, Verweise sowie Materialien zum Buch sind verlinkt. Weitere Informationen zum E-Book.
  • Quellcode und Materialien zum Buch

    Hier finden Sie den Code für alle Listings und Beispielprojekte im Buch. Ihr Einsteigspunkt in die Materialien: die Datei readme.html.Dort finden Sie eine detaillierte Übersicht über die Projekte. Neben den Links zu den Listings gehören auch Hinweise dazu, etwa dazu, welche Software benötigt wird oder zur Ablage der Materialien im Filesystem.



 Deep Learning meistern

  1. Wichtige Konzepte verstehen

    Deep Learning ist nicht gleich Deep Learning. Lernen Sie maschinelles Lernen mit verschiedenen Konzepten und Netztypen von Grund auf kennen.

  2. Daten richtig vorbereiten

    Je mehr Daten, desto besser lernt Ihr Modell? Ja und nein – worauf es außerdem ankommt, erfahren Sie hier.

  3. Professionell im Detail

    Die Frameworks nehmen Ihnen vieles ab, so dass sich leicht erste Ergebnisse erzielen lassen – auch mit eigenen Modellen. Damit Sie Ihre Modelle geschickt trainieren und mehr erreichen können, gehen die Autoren mit Ihnen ins Detail, umschiffen Untiefen und lassen Sie an Ihrer Projekterfahrung teilhaben.

  4. Deep Learning im Browser

    Mit TensorFlow.js bringen Sie Ihre Deep-Learning-Anwendung direkt in den Browser. Dabei verwenden Sie JavaScript und HTML5.

Aus dem Inhalt

  • Deep-Learning-Grundkonzepte
  • Installation der Frameworks
  • TensorFlow 2
  • Convolutional Networks, LSTM, RNN, Pooling ..
  • Aufgaben eines Modells richtig festlegen
  • Eigene Modelle trainieren
  • Overfitting und Underfitting vermeiden
  • Ergebnisse visualisieren
Komplettes Inhaltsverzeichnis
»
Entdecken Sie die Hintergründe und lernen Sie, worauf es in der Praxis wirklich ankommt.
«
Dr. Matthieu Deru ist Senior Software-Engineer (R&D) und UX-Designer für interaktive Systeme am Deutschen Forschungszentrum für Künstliche Intelligenz GmbH (DFKI). Seine Projekterfahrung umfasst Themengebiete, die so vielseitig sind wie die Anwendungsfelder der KI, von intelligenten Benutzerschnittstellen bis zu komplexen Vorhersagenmodellen für die Elektromobilität.
Dr. Alassane Ndiaye ist als Senior Software-Engineer (R&D) und Projektleiter seit über 20 Jahren am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) sowohl in Forschungs- als auch in Industrie- und Transferprojekten tätig.
Autorenporträts

Stimmen zum Buch

Diese Bücher könnten Sie auch interessieren

Buch

€ 39,90 inkl. MwSt.

Sofort lieferbar

Kostenloser Versand nach Deutschland, Österreich und in die Schweiz

DSAG Mitglieder
Der Rabatt wird im Warenkorb sichtbar

E-Book

€ 39,90 inkl. MwSt.

Sofort verfügbar

DSAG Mitglieder
Der Rabatt wird im Warenkorb sichtbar

Bundle Buch + E-Book

nur € 39,90 inkl. MwSt.

Sofort verfügbar

Kostenloser Versand nach Deutschland, Österreich und in die Schweiz

DSAG Mitglieder
Der Rabatt wird im Warenkorb sichtbar

Kostenloser Versand
nach Deutschland, Österreich und in die Schweiz
Bequem zahlen
Kreditkarte, PayPal, Rechnung oder Bankeinzug
Schnelle Lieferung
Auch per Express