Deep Learning Kompakt Für Dummies.
John Paul. Mueller
Bok Tysk 2020 · Electronic books.
| Utgitt | Wiley-VCH
|
|---|---|
| Omfang | 1 online resource (350 pages)
|
| Opplysninger | Intro -- Über die Autoren -- Widmung von John Mueller -- Widmung von Luca Massaron -- Danksagung von John Mueller -- Danksagung von Luca Massaron -- Inhaltsverzeichnis -- Einführung -- Über dieses Buch -- Törichte Annahmen über den Leser -- Symbole, die in diesem Buch verwendet werden -- Weitere Ressourcen -- Wie es weitergeht -- Teil I: Einführung in Deep Learning -- Kapitel 1: Einführung in Deep Learning -- Definition von Deep Learning -- Deep Learning in der Praxis -- Programmierumgebung für Deep Learning -- Deep Learning: Hype vs. Realität -- Kapitel 2: Maschinelles Lernen -- Definition von maschinellem Lernen -- Lernstrategien und Arten von Algorithmen -- Sinnvolle Einsatzbereiche für maschinelles Lernen -- Kapitel 3: Installation und Verwendung von Python -- Verwendung von Python in diesem Buch -- Installation von Anaconda -- Jupyter Notebook -- Verwendete Datensätze in diesem Buch -- Erstellen einer Anwendung -- Weitere Informationen zu Python -- Arbeiten in der Cloud -- Kapitel 4: Frameworks für Deep Learning -- Das Framework-Prinzip -- Frameworks speziell für Deep Learning -- Teil II: Grundlagen von Deep Learning -- Kapitel 5: Rechnen mit Matrizen -- Nötige mathematische Grundlagen -- Skalar-, Vektor- und Matrixoperationen -- Der Lernprozess als Optimierung -- Kapitel 6: Grundlagen der linearen Regression -- Kombination von Variablen -- Vermischung von Variablen unterschiedlichen Typs -- Nutzung von Wahrscheinlichkeiten -- Schätzung der richtigen Merkmale -- Lernen aus einzelnen Beispielen -- Kapitel 7: Einführung in neuronale Netze -- Das faszinierende Perzeptron -- Komplexere Lernverfahren und neuronale Netze -- Kapitel 8: Entwurf eines einfachen neuronalen Netzes -- Grundlegende Funktionsweise neuronaler Netze -- Ein Blick ins Innere von neuronalen Netzen -- Kapitel 9: Deep Learning im Detail -- Daten, Daten, Daten.. - Dynamische Berechnung von Graphen mit Chainer -- Einrichtung einer MATLAB-ähnlichen Umgebung mit Torch -- Dynamische Ausführung von Aufgaben mit PyTorch -- Schnellere DL-Forschung dank CUDA -- Geschäftliche Erfolge mit Deeplearning4j -- Data-Mining mit Neural Designer -- Algorithmentraining mit Microsoft Cognitive Toolkit (CNTK) -- Volle GPU-Leistung mit MXNet -- Stichwortverzeichnis -- End User License Agreement.. - Vorteile durch all die neuen Daten -- Mehr Tempo bei der Datenverarbeitung -- Neuerungen von Deep Learning -- Die Suche nach noch smarteren Lösungen -- Kapitel 10: Konvolutionsnetze -- Bilderkennung mit Konvolutionsnetzen -- Konvolutionen (Faltungen) -- Erkennung von Kanten und Formen in Bildern -- Kapitel 11: Rekurrente neuronale Netze -- Einführung in rekurrente neuronale Netze -- LSTM-Zellen (Long Short-Term Memory) -- Teil III: Anwendung von Deep Learning -- Kapitel 12: Bildklassifikation -- Herausforderungen bei der Bildklassifikation -- Unterscheidung von Verkehrszeichen -- Kapitel 13: Komplexe Konvolutionsnetze -- Unterschiedliche Aufgaben beim Erkennen von Objekten im Bild -- Wahrnehmung von Objekten in ihrer Umgebung -- Böswillige Angriffe auf DL-Anwendungen -- Kapitel 14: Sprachverarbeitung -- Verarbeitung von Sprache -- Auswendiglernen von wichtigen Sequenzen -- KI für Stimmungsanalysen -- Kapitel 15: Automatisch erzeugte Musik und visuelle Kunst -- Computergenerierte Kunst -- Imitation eines Künstlers -- Kapitel 16: Generative Adversarial Networks -- Konkurrierende neuronale Netze -- Komplexere GANs für anspruchsvollere Aufgaben -- Kapitel 17: Verstärkendes Lernen mit Deep Learning -- Strategische Spiele mit neuronalen Netzen -- Funktionsweise von AlphaGo -- Teil IV: Der Top-Ten-Teil -- Kapitel 18: Zehn Anwendungsszenarien für Deep Learning -- Kolorieren von Schwarz-Weiß-Aufnahmen -- Analyse der Körperhaltung in Echtzeit -- Verhaltensanalysen in Echtzeit -- Übersetzung von Sprachen -- Einsparungen mit Solaranlagen -- Computer als Spielgegner -- Erzeugung von Stimmen -- Demografische Analysen -- Kunst basierend auf normalen Fotos -- Vorhersage von Naturkatastrophen -- Kapitel 19: Zehn unverzichtbare Tools für Deep Learning -- Kompilieren von mathematischen Ausdrücken mit Theano -- Stärkung von TensorFlow mit Keras.
|
| Sjanger | |
| ISBN | 3-527-82597-5
|
