Andere Kunden interessierten sich auch für
![Deep Learning mit TensorFlow, Keras und TensorFlow.js]( "Deep Learning mit TensorFlow, Keras und TensorFlow.js")
Deep Learning mit TensorFlow, Keras und TensorFlow.js39,90 €![Machine Learning Kochbuch]( "Machine Learning Kochbuch")
Machine Learning Kochbuch36,90 €![Generatives Deep Learning]( "Generatives Deep Learning")
Generatives Deep Learning39,90 €![Einführung in TensorFlow]( "Einführung in TensorFlow")
Einführung in TensorFlow32,90 €![Design Patterns für Machine Learning]( "Design Patterns für Machine Learning")
Design Patterns für Machine Learning44,90 €![Deep Learning - Grundlagen und Implementierung]( "Deep Learning - Grundlagen und Implementierung")
Deep Learning - Grundlagen und Implementierung32,90 €![PyTorch für Deep Learning]( "PyTorch für Deep Learning")
PyTorch für Deep Learning34,90 €
Lassen Sie sich von Deep Learning nicht abschrecken! Dank Frameworks wie Keras und TensorFlow ist der schnelle Einstieg in die Entwicklung von Deep-Learning-Anwendungen nun auch für Softwareentwickler ohne umfassende Machine-Learning-Kenntnisse möglich. Mit den Rezepten aus diesem Buch lernen Sie, typische Aufgabenstellungen des Deep Learning zu lösen, wie etwa die Klassifizierung und Generierung von Texten, Bildern und Musik.Jedes Kapitel behandelt ein Projekt, wie z.B. das Trainieren eines Empfehlungssystems für Musik. Schritt für Schritt wird gezeigt, wie das jeweilige Projekt umgesetzt wird. Darüber hinaus beschreibt der Autor Douwe Osinga zahlreiche Techniken, die Ihnen helfen, wenn Sie einmal nicht mehr weiterwissen. Alle Codebeispiele sind in Python geschrieben und auf GitHub als Python-Notebooks frei verfügbar.Aus dem Inhalt:- Entwickeln Sie Deep-Learning-Anwendungen, die Nutzern einen echten Mehrwert bieten- Berechnen Sie Ähnlichkeiten von Texten mithilfe von Word-Embeddings- Erstellen Sie ein Empfehlungssystem für Filme basierend auf Wikipedia-Links- Visualisieren Sie die internen Vorgänge einer künstlichen Intelligenz, um nachvollziehen zu können, wie diese arbeitet- Entwickeln Sie ein Modell, das passende Emojis für Textpassagen vorschlägt- Realisieren Sie einen Reverse-Image-Search-Dienst mithilfe von vortrainierten Netzwerken- Vergleichen Sie, wie Generative Adversarial Networks, Autoencoder und LSTM-Netzwerke Icons erzeugen- Trainieren Sie ein Klassifikationsmodell für Musikstile und lassen Sie es Musikstücke dementsprechend zuordnen"Dieses Buch bietet einen großartigen Einstiegin Deep Learning für alle, denen praktische Ergebnisse wichtiger sind als die Theorie. Es hat dem Entwicklungsteam meines neuen Musik-Tech-Startups Weav dabei geholfen, schnell mit Deep Learning zu starten. Dieses Buch ist perfekt geeignet für jeden, der Interessean praxisorientiertem Machine Learning hat."- Lars Rasmussen, Mitbegründer von Google Maps