Read Deep Learning mit Python und Keras: Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek (mitp Professional) by Francois Chollet Online

deep-learning-mit-python-und-keras-das-praxis-handbuch-vom-entwickler-der-keras-bibliothek-mitp-professional

h3 Einfhrung in die grundlegenden Konzepte von Machine Learning und Deep LearningZahlreiche praktische Anwendungsbeispiele zum Lsen konkreter AufgabenstellungenMaschinelles Sehen, Sprachverarbeitung, Bildklassifizierung, Vorhersage von Zeitreihen, Stimmungsanalyse, Erzeugung von Bildern und Texten u.v.m.Dieses Buch ist eine praxisorientierte Einfhrung und erlutert die grundlegenden Konzepte sowie den konkreten Einsatz von Deep Learning Der Autor verzichtet dabei weitgehend auf mathematische Formeln und legt stattdessen den Fokus auf das Vermitteln der praktischen Anwendung von Machine Learning und Deep Learning.Anhand zahlreicher Beispiele erfahren Sie alles, was Sie wissen mssen, um Deep Learning zum Lsen konkreter Aufgabenstellungen einzusetzen Dafr verwendet der Autor die Programmiersprache Python und die Deep Learning Bibliothek Keras, die das beliebteste und am besten geeignete Tool fr den Einstieg in Deep Learning ist.Das Buch besteht aus zwei Teilen Teil I ist eine allgemeine Einfhrung in das Deep Learning und erlutert die grundlegenden Zusammenhnge und Begriffe sowie alle erforderlichen Konzepte, die fr den Einstieg in Deep Learning und Neuronale Netze wichtig sind In Teil II erlutert der Autor ausfhrlich praktische Anwendungsmglichkeiten des Deep Learnings beim maschinellen Sehen Computer Vision und bei der Verarbeitung natrlicher Sprache Viele der hier vorgestellten Beispiele knnen Ihnen spter als Vorlage zum Lsen von Problemen dienen, die Ihnen in der Praxis des Deep Learnings begegnen werden.Das Buch wendet sich an Leser, die bereits Programmiererfahrung mit Python haben und ins Machine Learning und Deep Learning einsteigen mchten Fr den Einsatz von Keras werden grundlegende Python Kenntnisse vorausgesetzt.ber den Autor Franois Chollet ist bei Google ttig und befasst sich mit Deep Learning Er ist der Entwickler der Deep Learning Bibliothek Keras und hat bedeutende Beitrge zum Machine Learning Framework TensorFlow geleistet Er forscht auf dem Gebiet des Deep Learnings mit den Schwerpunkten maschinelles Sehen und der Anwendung des Machine Learnings auf formales Schlieen Seine Forschungsergebnisse wurden auf bedeutenden Veranstaltungen des Fachgebiets verffentlicht, unter anderem auf der Conference on Computer Vision and Pattern Recognition CVPR , der Conference on Neural Information Processing Systems NIPS , der International Conference on Learning Representations ICLR und weiteren....

Title : Deep Learning mit Python und Keras: Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek (mitp Professional)
Author :
Rating :
ISBN : B07D9CW2DN
ISBN13 : -
Format Type : E-Book
Language : Deutsch
Publisher : mitp Verlags GmbH Auflage 1 25 Mai 2018
Number of Pages : 299 Pages
File Size : 879 KB
Status : Available For Download
Last checked : 21 Minutes ago!

Deep Learning mit Python und Keras: Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek (mitp Professional) Reviews

  • W. Scharfenberger
    2019-03-27 09:51

    Um was es auf den inklusive fünfseitigem Stichwortverzeichnis 443 Seiten geht, bringt der Titel zum Ausdruck: Deep Learning, auf Deutsch künstliche Intelligenz, maschinelles Sehen, nicht nur Hören, sondern auch verstehen und interpretieren von Sprache, Bilder ein- und zuordnen, Vorhersage von wahrscheinlich eintretenden kommenden 'Ereignissen', neuronale Netze etc.Das Buch ist kein 'Lesebuch'. Es erfordert konzentriertes Durcharbeiten und sehr aktives Mitdenken. Wobei solide Python-Kenntnisse nicht nur ideal, sondern vorausgesetzt werden.

  • Benjamin Aunkofer
    2019-04-10 14:47

    Wer in Deep Learning einsteigen möchte, wird zur Zeit mit Literatur und Internet-Tutorials erschlagen. Es gibt viel zu lernen: MLPs, CNNs, RNNs, programmatisch umgesetzt auf der "grünen Wiese" mit NumPy oder mit einem Framework wir Theano, Microsoft Cognitive Toolkit (CNTK) oder TensorFlow.Wie steigt man da jetzt noch ein?Mit Keras! Denn Keras erübrigt viel Einarbeitung in die Details. Es ist ein Framework auf High-Level, dass die Einzelanweisungen, die Theano, CNTK oder TensorFlow liefern, in Bausteine zusammenfasst, so das ein Programmierer mit Keras neuronale-Netze bauen kann (fast) wie mit Legosteinen.Am Anfang gibt es noch die obligatorische Erläuterung, wie die Backpropagation ungefähr funktioniert, dann geht es auch schon los, immer auf Keras-Ebene, also beispielsweise so:keras.models.Sequential().add(keras.layers.Dense(64, activation = 'relu'))keras.models.Sequential().add(keras.layers.Dense(64, activation = 'relu'))keras.models.Sequential().add(keras.layers.Dense(46, activation = 'relu'))Kein TensorFlow-Gefummel (oder was auch immer), sondern direkt von Start über Los zum Ziel.Keras ist folglich ein guter Einstieg und erhöht die Produktivität der Entwicklung (Prototyping) künstlicher neuronaler Netze enorm. Das Buch bleibt gedanklich stets bei TensorFlow und harmoniert daher besonders gut für Leute, die sich schon mal mit TensorFlow befasst haben. Dennoch spielt es in der Regel keine Rolle, welches Framework auf Low-Level (also unterhalb von Keras) verwendet wird.Das Buch ist eine deutsche Übersetzung. Ich kenne das Original zwar nicht (der Autor ist einer der Entwickler der Keras-Bibliothek), dennoch erscheint mir die Übersetzung ins Deutsche als gelungen. Es liest sich nicht wie übersetzt, wie so manch andere Bücher.Nun aber zum wichtigsten: Den Lern-Mehrwert des Buches. Wenn man Keras erstmal zum Laufen gebracht hat, dann ist das Buch eine wirkliche Bereicherung für den Einstieg als auch für die erste Erfahrung mit Visual Computing zum Einen, der Verarbeitung von sequenziellen Daten mit Rekurrenten Netzen zum Anderen.Das Buch verzichtet übrigens nicht auf die Erläuterung von Mathematik, jedoch (und das sticht aus der Masse heraus) ohne die Darstellung von mathematischen Formeln, sondern nur (!) über Code-Snipsel, die kurz gehalten und trotzdem verständlich sind.Von mir volle Punktzahl und klare Empfehlung für Einsteiger in Deep Learning.

  • Dr. Stefan Edlich
    2019-04-06 11:24

    Ein Standardwerk vom Keras Autor persönlich. Die Einführung in Deep Learning und Neuronale Netze ist erstklassig gelungen. Die Keras Beispiele sind auf das wesentliche reduziert und immer erstklassig bebildert. Noch ein Grundlagenkapitel mit allen wichtigen Begriffen und Konzepten ist hier auch nicht selbstverständlich. Wenn alles erklärt ist bringt der Autor Teil zwei: Praxis. Alles drin: Faltung, Pooling, verschiedene Layer, Tensor Board, etc. und viele viele gute Beispiele.Natürlich kann man immer streiten, ob zuviel übersetzt worden ist. Manche mögen den Begriff Über-/Unteranpassung mögen, manche (wie ich) nicht. Aber das tut dem klasse Werk - auf dem man auch Lehrveranstaltungen aufbauen kann - keinen Abbruch. Klare Kaufempfehlung!