PyTorch KI-Modelle trainieren, tunen und einsetzen
ca. € 39,90
Vorbestellbar
Lieferbar ab 05.02.2026
ca. € 39,90
Vorbestellbar
Verfügbar ab 05.02.2026
ca. € 44,90
Vorbestellbar
Verfügbar ab 05.02.2026
Rheinwerk Computing, ISBN 978-3-367-11129-9
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-367-11130-5
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-367-11132-9
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-367-11133-6
PyTorch-Programmierung professionell! Das meistbenutzte Deep-Learning-Framework in der Praxis: Lernen Sie für spezifische Aufgaben aus realen Projektszenarien, wie Sie mit PyTorch KI-Modelle trainieren, optimieren und produktiv einsetzen. Bert Gollnick zeigt Ihnen in diesem Buch alle einschlägigen Verfahren inklusive Python-Implementierung, von linearer Regression über große Sprachmodelle bis zur Kombination mehrerer Verfahren. Die Anwendungen beinhalten Computer Vision, RAG-Systeme, Zeitreihenanalysen und vieles mehr. Sie evaluieren und deployen Ihre Modelle mit modernsten Methoden und lernen dafür Tools wie FlowML, TensorBoard und FastAPI kennen. Profitieren Sie von vollständigen Codebeispielen, die auf handelsüblicher Hardware lauffähig sind, und entdecken Sie das Zusammenspiel mit PyTorch Lightning, HuggingFace und weiteren Tools.
- Deep Learning von der Datenaufbereitung über Training und Fineturing bis zum Deployment
- Vielfältige Architekturen wie Autoencoder, RNNs, LLMs, RAG-Syteme etc.
- Inkl. PyTorch Lightning, TensorBoard, LangChain, FastAPI u.v.m.
PyTorch meistern
-
Konzepte und Verfahren
Deep Learning ist nicht gleich Deep Learning. Lernen Sie, einschlägige Verfahren nicht nur zu implementieren, sondern fundiert auszuwählen und zielorientiert einzusetzen – auch in Kombinationen.
-
Daten und Modelle
Entscheidend für das Training der Deep-Learning-Modelle sind Daten. Worauf es bei der Aufbereitung ankommt, hängt vom gewählten Verfahren ab. Lernen Sie das richtige Vorgehen für Aufgaben wie Klassifizierungen, zeitreihenbasierte Vorhersagen, Computer Vision u. v. m.
-
Unüberwachtes Lernen
Mit Autoencodern und VAEs lernen Sie zwei leistungsstarke Architekturen für unüberwachtes Lernen kennen. Nach einer grundlegenden Einführung sehen Sie die praktische Umsetzung mit vollständigen, einsatzbereiten Codebeispielen.
-
Große Sprachmodelle
Passen Sie mit HuggingFace vortrainierte LLMs an spezifische Aufgaben an und optimieren Sie dabei Speicherbedarf und Rechenaufwand.
-
Deployment und Evaluierung
Setzen Sie für die Evaluierung und das Deployment Ihrer Modelle modernste Tools ein: von FlowML über TensorBoard und WandB bis zu FastAPI für den lokalen Betrieb und Heroku für die Cloud.
Aus dem Inhalt
- Installation und Grundkonzepte
- Vortrainierte Modelle verwenden
- Lineare Regression
- Computer Vision
- Empfehlungssysteme
- Graph Neural Networks
- Zeitreihen-Vorhersagen
- Große Sprachmodelle
- LangChain
- PyTorch Lightning
- FlowML, TensorBoard und WandB
- Deployment mit Heroku oder FastAPI
Diese Bücher könnten Sie auch interessieren
-
Landkarte deiner Fotografie – Entdecke den eigenen fotografischen Weg
351 Seiten, broschiert, in Farbe
E-Book-Formate: PDF, Online€ 29,90
Sofort lieferbar
Buch | E-Book | Bundle
-
Mathematik nach Feierabend – Verblüffendes praktisch erklärt
256 Seiten, gebunden
E-Book-Formate: PDF, EPUB, Online€ 24,90
Sofort lieferbar
Buch | E-Book | Bundle
-
Eigene KI-Anwendungen programmieren
446 Seiten, broschiert
E-Book-Formate: PDF, EPUB, Online€ 29,90
Sofort lieferbar
Buch | E-Book | Bundle
