Deep Learning - Grundlagen und Implementierung neuronale Netze mit Python und PyTorch programmieren
Deep Learning umfasst begrifflich den Prozess einer automatisierten Informationsverarbeitung, bei dem in einem komplexen Verfahren interne Ebenen als sogenannte "Layers" (oder Schichten) Informationen ("Input") aufnehmen, verarbeiten, weitergeben, zu einem Output verdichten und E...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | |
| Format: | UnknownFormat |
| Sprache: | ger |
| Veröffentlicht: |
Heidelberg
O'Reilly
2020
|
| Ausgabe: | 1. Auflage |
| Schlagworte: | |
| Online Zugang: | Inhaltstext Inhaltsverzeichnis Leseprobe |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Tag hinzufügen | Zusammenfassung: | Deep Learning umfasst begrifflich den Prozess einer automatisierten Informationsverarbeitung, bei dem in einem komplexen Verfahren interne Ebenen als sogenannte "Layers" (oder Schichten) Informationen ("Input") aufnehmen, verarbeiten, weitergeben, zu einem Output verdichten und Ergebnisse als "Lernergebnis" zurückgeben. "Python" und "PyTorch" sind als Open-Source-Produkte populär und weit verbreitet. Der Autor, Informatiker bei Facebook, will mit seinem Band sowohl die theoretischen Grundlagen neuronaler Netze vermitteln, zugleich aber praxisorientiert das Vorgehen darstellen und an zahlreichen Codebeispielen erläutern. Es geht um Bausteine, Strukturmodelle, Verfahrensweise des Deep Learning, Typen neuronaler Netze (z.B. CNN und RNN), Trainingsverfahren neuronaler Netze, schliesslich wird PyTorch als Framework vorgestellt. Der Band wendet sich explizit an Softwareingenieure und Systementwickler bzw. Studierende. Empfehlenswert, vor allem wenn einschlägige Titel bereits im Angebot: D. Rao, F. Chollet ) oder M. Salvaris. (3) |
|---|---|
| Beschreibung: | XIII, 235 Seiten Illustrationen, Diagramme 24 cm x 16.5 cm |
| ISBN: | 9783960091363 978-3-96009-136-3 |